用 Go 解析 xml，忽略嵌套元素？

Question

我正在尝试使用 Golang xml 解析器解析 html 文档。我已经设法提取所有<li>元素，但如果元素包含链接<a>，则链接的内容将被忽略。我只想忽略嵌套<a>并将其内容显示为纯文本，但我不知道如何。

这是我的代码：

d := xml.NewDecoder(resp.Body)

d.Strict = false

d.AutoClose = xml.HTMLAutoClose

d.Entity = xml.HTMLEntity

type list_item struct {

    Data string `xml:",chardata"`

}

for {

    t,_ := d.Token()

    if t == nil {

        break

    }

    switch se := t.(type) {

    case xml.StartElement:

        if se.Name.Local == "li" {

            var q list_item

            d.DecodeElement(&q, &se)

            c.Infof("%+v\n", q)

        }

    }

}

有没有办法忽略嵌套元素并显示其内容？

Answer 1

Constder 使用专门的包来解析 HTML。通常，HTML 不是 XML（XHTML 1.0 是，但使用它格式化的文档并不常见，该标准已被弃用）。在我看来，一个更好的方法（考虑到您的明显用例）是使用XPath通过查询来提取必要的信息。至于所述的问题，我认为没有内置的方法可以做你想做的事：xml.Decoder实现Skip()方法但它只允许你跳过不需要的内容；没有任何东西按原样返回“内部 XML”。您可以通过使用xml.Decoder's自己滚动它RawToken()：通过立即呈现它返回的任何内容，直到它返回您正在寻找的表示和结束元素的内容（您必须实现对处理嵌套元素的支持）。