我正在尝试将文本提取为自定义 html 标记（<prelogin-cookie>）：someHtml := `<html><body>Login Successful!</body><!-- <saml-auth-status>1</saml-auth-status><prelogin-cookie>4242424242424242</prelogin-cookie><saml-username>my-username</saml-username><saml-slo>no</saml-slo> --></html>`query, _ := goquery.NewDocumentFromReader(strings.NewReader(someHtml))sel:= query.Find("prelogin-cookie")println(sel.Text())但它不返回任何东西，只是一个空字符串，我怎样才能得到那个 html 标签的实际文本，又名4242424242424242？
1 回答
萧十郎
TA贡献1815条经验 获得超13个赞
<prelogin-cookie>找不到，因为它在 HTML 注释中。
您的评论实际上是一系列 XML 或 HTML 标签，如果您将其用作输入文档，它可能会被处理为 HTML。
警告。只有下面的第一个解决方案可以正确处理“所有”HTML 文档。其他解决方案更简单，也可以很好地处理您的情况，但它们可能无法处理某些极端情况。确定它们是否值得为您使用。
1.通过搜索HTML节点树
查找和提取注释的一种方法是遍历 HTML 节点树并查找类型为 的节点html.CommentNode。
为此，我们将使用递归辅助函数来遍历节点树：
func findComment(n *html.Node) *html.Node {
if n == nil {
return nil
}
if n.Type == html.CommentNode {
return n
}
if res := findComment(n.FirstChild); res != nil {
return res
}
if res := findComment(n.NextSibling); res != nil {
return res
}
return nil
}
并使用它：
doc, err := goquery.NewDocumentFromReader(strings.NewReader(someHtml))
if err != nil {
panic(err)
}
var comment *html.Node
for _, node := range doc.Nodes {
if comment = findComment(node); comment != nil {
break
}
}
if comment == nil {
fmt.Println("no comment")
return
}
doc, err = goquery.NewDocumentFromReader(strings.NewReader(comment.Data))
if err != nil {
panic(err)
}
sel := doc.Find("prelogin-cookie")
fmt.Println(sel.Text())
这将打印（在Go Playground上尝试）：
4242424242424242
2. 有strings
如果您只需要处理“手头的文档”，一个更简单的解决方案可能是只使用strings包来查找评论的开始和结束索引：
start := strings.Index(someHtml, "<!--")
if start < 0 {
panic("no comment")
}
end := strings.Index(someHtml[start:], "-->")
if end < 0 {
panic("no comment")
}
并将其用作输入：
doc, err := goquery.NewDocumentFromReader(strings.NewReader(someHtml[start+4 : end]))
if err != nil {
panic(err)
}
sel := doc.Find("prelogin-cookie")
fmt.Println(sel.Text())
这将输出相同的内容。在Go Playground上试一试）。
3.使用regexp
先前解决方案的一个更简单（但效率较低）的替代方案是使用正则表达式从原始文档中获取注释：
comments := regexp.MustCompile(`<!--(.*?)-->`).FindAllString(someHtml, -1)
if len(comments) == 0 {
fmt.Println("no comment")
return
}
doc, err := goquery.NewDocumentFromReader(strings.NewReader(
comments[0][4 : len(comments[0])-3]))
在Go Playground上试试这个。
- 1 回答
- 0 关注
- 226 浏览
添加回答
举报
0/150
提交
取消