如何使用 goquery 提取自定义 html 标签的文本？

<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.Nodefor _, 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）：42424242424242422. 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 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。

如何使用 goquery 提取自定义 html 标签的文本？

1回答