使用 golang 抓取网页内容

Question

我是编程语言的初学者，正在学习 scrape。是否可以在这样的评论中获取数据？

<tbody id="the-list">

<tr>

    <td valign="top" align="right">1.</td>

    <td valign="top">BEKASI</td>

    <td valign="top">Tambun</td>

    <td valign="top">Selatan</td>

    <td valign="top">01.4.13.16.06.000013</td>

    <td valign="top">Jalan</td>

    <td valign="top">PERUM BEKASI GRIYA ASRI</td>

    <td valign="top">1.500 m²</td>

    <td valign="top" align="center">Kantor</td>

    <td valign="top">400 m²</td>

    <td valign="top" align="center">1998</td>            

    <td valign="top" align="center">> 200</td>

    <!--

    <td valign="top" align="center">-6.2245</td>

    <td valign="top" align="center">107.0827</td>

    -->

    <td valign="top" align="right">3</td>

    <td valign="top" align="right">7</td>

    <td valign="top" align="right">2</td>

    <td valign="top" align="right">150</td>

    <td valign="top">08888123</td>

    <td valign="top">-</td>

</tr>

我希望结果可以是这样的

1.;BEKASI;Tambun;Selatan;01.4.13.16.06.000013;Jalan;PERUM BEKASI GRIYA ASRI;1.500 m;Kantor;400 m;1998;200;-6.2245;107.0827;3;7;2;150;08888123;-

Answer 1

goquery是解析 html 内容的好库。    html := `      <table><tbody id="the-list">         <tr>            <td valign="top" align="right">1.</td>            <td valign="top">BEKASI</td>            <td valign="top">Tambun</td>            <td valign="top">Selatan</td>            <td valign="top">01.4.13.16.06.000013</td>            <td valign="top">Jalan</td>            <td valign="top">PERUM BEKASI GRIYA ASRI</td>            <td valign="top">1.500 m<sup>2</sup></td>            <td valign="top" align="center">Kantor</td>            <td valign="top">400 m<sup>2</sup></td>            <td valign="top" align="center">1998</td>                        <td valign="top" align="center">> 200</td>            <!--            <td valign="top" align="center">-6.2245</td>            <td valign="top" align="center">107.0827</td>            -->            <td valign="top" align="right">3</td>            <td valign="top" align="right">7</td>            <td valign="top" align="right">2</td>            <td valign="top" align="right">150</td>            <td valign="top">08888123</td>            <td valign="top">-</td>        </tr>   </tbody></table>`    doc, _ := goquery.NewDocumentFromReader(strings.NewReader(html))    sel := doc.Find("#the-list td")    for i := range sel.Nodes{        n := sel.Eq(i)        fmt.Println(n.Text())    }