Question

我需要在HTML字符串中查找元素。不幸的是，HTML几乎被破坏了（例如，关闭没有开放对的标签）。

我尝试将XPath与 launchpad.net/xmlpath 一起使用，但它无法解析HTML文件，所以该死的错误。

如何使用golang在破碎的HTML中找到元素？我更喜欢使用XPath，但如果我可以用它来查找具有特定id或类的标签，我也会对其他解决方案开放。

Answer 1

似乎net/html完成了这项工作。

这就是我现在正在做的事情：

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)
    }
}

用golang解析破坏的HTML

1 个答案: