使用 gocolly 抓取时如何在 html 表格单元格中保留换行符
当我提取单元格的内容时，我试图保留<td>表格单元格中的格式。
如果 中有两行文本（例如地址），代码可能如下所示： <td>address line1 <br>1 address line2</td>
当 colly 提取这个时，我得到以下信息：address line1address line2
没有空格或换行符，因为所有 html 都已从文本中删除。
我该如何解决/解决这个问题，以便我从<td>
HUH函数浏览 121回答 2
2回答
-
一只斗牛犬
gocollygoquery在引擎盖下使用。您可以调用所有Selection方法，包括Html()。func (*Selection) HTMLfunc (s *Selection) Html() (ret string, e error)Html 获取匹配元素集中第一个元素的 HTML 内容。它包括文本和注释节点。这是获取 html 内容的方法：c.OnHTML("tr", func(e *colly.HTMLElement) { // You can find the elem h, _ := e.DOM.Find("td").Html() fmt.Printf("=> %s \n", h) // ...or you can loop thru all of them elem.DOM.Each(func(_ int, s *goquery.Selection) { h, _ := s.Html() fmt.Printf("=> %s \n", h) })} -
哈士奇WWW
据我所知，gocolly 不支持这种格式，但您基本上可以通过使用htmlquery（gocolly 在内部使用它）包的OutputHTML方法来执行如下操作const htmlPage = `<!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.1//EN" "http://www.w3.org/TR/xhtml11/DTD/xhtml11.dtd"><html xmlns="http://www.w3.org/1999/xhtml" xml:lang="en"> <head> <title>Your page title here</title> </head> <body> <p> AddressLine 1 <br> AddresLine 2 </p> </body></html>`doc, _ := htmlquery.Parse(strings.NewReader(htmlPage))xmlNode := htmlquery.FindOne(doc, "//p")result := htmlquery.OutputHTML(xmlNode, false)结果变量的输出现在如下所示： AddressLine 1 <br/> AddresLine 2您现在可以通过标记解析结果<br/>并获得您想要的结果。但我也是新手，所以也许有更好的方法来做到这一点。
随时随地看视频慕课网APP
相关分类
Go