本文介绍了如何使用 go 语言解析 HTML 文档，并提取其中 <img> 标签的 src 属性值。我们将探讨使用 exp/html 包来解析 HTML 结构，并展示如何通过遍历节点树来定位目标属性，从而实现图片链接的提取。本文旨在为 Go 开发者提供一种解析 HTML 并提取特定信息的实用方法。
使用 exp/html 包解析 HTML 并提取图片链接
Go 语言的标准库并没有提供强大的 HTML 解析功能，但 exp/html 包提供了一种解析 HTML 的方式。 虽然 exp/html 被标记为实验性，但它仍然可以用来解析简单的 HTML 结构。
以下是一个使用 exp/html 包从 HTML 字符串中提取 <img> 标签的 src 属性值的示例代码：
package main import ( "fmt" "strings" "golang.org/x/net/html" ) func main() { htmlString := `<div><div><img src="hello.png"/></div></div>` doc, err := html.Parse(strings.NewReader(htmlString)) if err != nil { fmt.Println("Error parsing HTML:", err) return } var f func(*html.Node) f = func(n *html.Node) { if n.Type == html.ElementNode && n.Data == "img" { for _, a := range n.Attr { if a.Key == "src" { fmt.Println("Image Source:", a.Val) return // 找到第一个 src 就返回 } } } for c := n.FirstChild; c != nil; c = c.NextSibling { f(c) } } f(doc) }
代码解释：
立即学习“前端免费学习笔记（深入）”；
- 导入必要的包： fmt 用于打印输出，strings 用于处理字符串，golang.org/x/net/html 用于解析 HTML。注意这里需要使用go get golang.org/x/net/html安装依赖。
- HTML 字符串： 定义包含 <img> 标签的 HTML 字符串。
- 解析 HTML： 使用 html.Parse 函数将 HTML 字符串解析为 html.Node 类型的文档树。
- 递归函数 f： 定义一个递归函数 f，用于遍历文档树。
- 检查节点类型和标签名： 如果当前节点是元素节点（html.ElementNode）且标签名是 “img”，则遍历其属性。
- 查找 src 属性： 如果找到 src 属性，则打印其值并返回。
- 递归遍历子节点： 递归调用 f 函数遍历当前节点的所有子节点。
- 调用递归函数： 从文档根节点开始调用 f 函数。
运行结果：
Image Source: hello.png
注意事项：
- golang.org/x/net/html 包会根据 HTML5 规范构建完整的 HTML 树，因此可能包含 <html>、<head>、<body> 等标签。
- 上述代码使用递归方式遍历 HTML 树，适用于简单的 HTML 结构。对于复杂的 HTML 结构，可能需要更复杂的遍历逻辑。
- 如果 HTML 中存在多个 <img> 标签，上述代码只会提取第一个 src 属性值。如果需要提取所有 src 属性值，需要修改代码。
- 由于golang.org/x/net/html包的特性，对于不完整的HTML，可能会自动补全标签，因此在查找特定节点时，需要注意HTML的结构。
总结：
使用 golang.org/x/net/html 包可以方便地解析 HTML 文档，并通过遍历节点树来提取特定的信息，例如 <img> 标签的 src 属性值。 这种方法适用于简单的 HTML 结构，对于复杂的 HTML 结构，可能需要更复杂的处理逻辑。此外，还可以考虑使用更强大的 HTML 解析库，例如 goquery，它提供了更方便的 CSS 选择器语法来定位 HTML 元素。
css html node go html5 golang ai 字符串解析 标准库 golang html5 css html xml 字符串 递归 选择器