使用golang解析损坏的HTML [英] Parse broken HTML with golang
本文介绍了使用golang解析损坏的HTML的处理方法，对大家解决问题具有一定的参考价值，需要的朋友们下面随着小编来一起学习吧！
问题描述
我需要在HTML字符串中找到元素.不幸的是，HTML几乎已损坏(例如，关闭标签而没有开头对).
I need to find elements in an HTML string. Unfortunately the HTML is pretty much broken (e.g. closing tags without an opening pair).
我尝试将XPath与 launchpad.net/xmlpath 一起使用，但是它无法解析HTML文件，因此该死的越野车.
I tried to use XPath with launchpad.net/xmlpath but it can't parse an HTML file so damn buggy.
如何使用golang查找损坏的HTML中的元素?我更喜欢使用XPath，但是如果我可以使用它来查找具有特定ID或类的标签，我也愿意接受其他解决方案.
How can I find elements in a broken HTML with golang? I would prefer using XPath, but I am open for other solutions too if I can use it to look for tags with a specific id or class.
推荐答案
似乎 net/html 完成任务.
这就是我现在正在做的事情:
So that's what I am doing now:
package main
import (
"strings"
"golang.org/x/net/html"
"log"
"bytes"
"gopkg.in/xmlpath.v2"
)
func main() {
brokenHtml := `<!DOCTYPE html><html><body><h1 id="someid">My First Heading</h1><p>paragraph</body></html>`
reader := strings.NewReader(brokenHtml)
root, err := html.Parse(reader)
if err != nil {
log.Fatal(err)
}
var b bytes.Buffer
html.Render(&b, root)
fixedHtml := b.String()
reader = strings.NewReader(fixedHtml)
xmlroot, xmlerr := xmlpath.ParseHTML(reader)
if xmlerr != nil {
log.Fatal(xmlerr)
}
var xpath string
xpath = `//h1[@id='someid']`
path := xmlpath.MustCompile(xpath)
if value, ok := path.String(xmlroot); ok {
log.Println("Found:", value)
}
}
这篇关于使用golang解析损坏的HTML的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！
查看全文
