使用Go解析html中的列表项

我想用Go提取所有列表项（每个

）的内容。我应该使用regexp来获取

项，还是有其他库用于此目的

---

我的意图是在Go中获取一个列表或数组，其中包含来自特定html网页的所有列表项。我应该怎么做？

您可能想使用。 它不在Go标准包中，而是在。（子存储库是Go项目的一部分，但在主Go树之外。它们是在比Go核心更宽松的兼容性要求下开发的。）

该文档中的内容可能与您想要的内容类似

如果出于某种原因您需要坚持使用Go标准包，那么 对于“典型HTML”，您可以使用

两个软件包都倾向于使用

io.Reader

进行输入。如果您有

字符串

或

[]字节

变量，则可以使用

字符串.NewReader

或

字节.Buffer

将它们包装起来，以获得

io.Reader

对于HTML，您更可能来自

http.Response

body （确保完成后将其关闭）。 也许是这样的：

    resp, err := http.Get(someURL)
    if err != nil {
        return err
    }
    defer resp.Body.Close()

    doc, err := html.parse(resp.Body)
    if err != nil {
        return err
    }
    // Recursively visit nodes in the parse tree
    var f func(*html.Node)
    f = func(n *html.Node) {
        if n.Type == html.ElementNode && n.Data == "a" {
            for _, a := range n.Attr {
                if a.Key == "href" {
                    fmt.Println(a.Val)
                    break
                }
            }
        }
        for c := n.FirstChild; c != nil; c = c.NextSibling {
            f(c)
        }
    }
    f(doc)
}

---

当然，对于在客户端使用JavaScript修改自己内容的页面，解析获取的网页是不起作用的。

我找到了一种解决方法

如果您试图提取

li

元素后的文本，您首先找到

li

元素，然后将标记器移动到下一个元素，该元素将是文本（希望如此）。如果下一个元素是锚点、跨度等，则可能需要使用一些逻辑

resp, err := http.Get(url)
if err!=nil{
    log.Fatal(err)
}
defer resp.Body.Close()

z := html.NewTokenizer(bufio.NewReader(resp.Body))
for {
    tt := z.Next()
    switch tt {
    case html.ErrorToken:
        return
    case html.StartTagToken:
        t := z.Token()
        swith t.Data {
        case "li":
            z.Next()
            t = z.Token()
            fmt.Println(t.Data)
        }
    }
}

---

但实际上，你应该只使用github.com/purkitobio/goquery

也许这个功能很有用？你想浏览整个网站吗？不要尝试。一般来说，在使用regexp处理任何事情之前，都要三思而后行，它有它的位置，但是太多的人在他们做的每一件事上都会使用它。@DaveC这正是我开始这个问题的原因，以找出是否还有其他更合适的方法。我不理解所有的反对票……注意，我没有把

golang.org/x/net/html

包作为Go项目html解析器，所以这个答案的前一个版本只提到了Go标准

encoding/xml

包（在过去，当我想要/需要坚持使用标准包时，我会使用它进行简单的HTML解码）。