我需要 html.Parse() 无法解析的 HTML
我正在编写一个 Go 函数来读取 HTML 响应正文并提取页面标题。总的来说，该函数工作得很好，但我想测试响应正文根本不是正确 HTML 的代码路径。我为单元测试创建一些无效 HTML 的简单尝试已经失败。
显然，根据html.Parse文档，这是因为：
HTML5 解析算法 [...] 非常复杂。
<tag>生成的树可以包含隐式创建的节点，这些节点在 r 的数据中没有显式列出，并且节点的父节点可能与 start 和 end 的简单处理所隐含的嵌套不同<tag>。相反，<tag>r 数据中的显式 s 可以被静默删除，而生成的树中没有相应的节点。
下面是一些代码，展示了我一直在采取的方法：
https://play.golang.org/p/T5WjdtjNcqq
package main
import (
"bytes"
"fmt"
"golang.org/x/net/html"
)
func main() {
inputs := []string{ "",
"~",
"<",
"<ht",
"<html",
"<html>",
"<html><",
"<html><titl",
"<html><title",
"<html><title>",
"<html><title>The C Progr",
"<html><title>The C Programming Language",
"<html><title>The C Programming Language<",
"<html><title>The C Programming Language</",
"<html><title>The C Programming Language</ti",
"<html><title>The C Programming Language</title",
"<html><title>The C Programming Language</title>",
"<html><title>The C Programming Language</title><",
"<html><title>The C Programming Language</title></",
"<html><title>The C Programming Language</title></ht",
"<html><title>The C Programming Language</title></html",
"<html><title>The C Programming Language</title></html>",
}
for _, in := range inputs {
fmt.Printf("%s\n", in)
r := bytes.NewReader([]byte(in))
_, err := html.Parse(r)
if err != nil {
fmt.Printf("COULD NOT PARSE HTML\n")
panic(err)
}
}
}
愚蠢的我，我本以为其中许多会产生错误，因为从表面上看它们是无效的 HTML，但上面的代码在没有 'ing 的情况下遍历所有输入字符串——也就是说，没有panic非nil errfrom html.Parse()。
我想我很感激一个宽松/宽容的 HTML 解析器，但是：有没有人有一个在输入 Go 时会产生错误的文本示例html.Parse()？
噜噜哒1回答
-
HUWWW
似乎唯一返回的错误可能是：io.EOF 一旦 r 完全读取成功；底层 io.Reader 返回的任何其他错误；或者html.ErrBufferExceeded在初始读取后如何触发 ErrBufferExceeded 对我来说并不明显，但您可以通过提供虚拟读取器来触发 html.Parse 的错误：type ErrReader struct { Error error }func (e *ErrReader) Read([]byte) (int, error) { return nil, e.Error}https://play.golang.org/p/s78HpfMLAI8希望有帮助
随时随地看视频慕课网APP
相关分类
Go