Golang开发指南：使用net/html解析HTML文档 在Golang中，处理HTML文档是一项常见的任务。为了解析和操作网页的结构，Golang中提供了net/html包。本文将介绍如何使用net/html包来解析HTML文档。

HTML解析

要解析HTML文档，我们首先需要导入net/html包：

import "golang.org/x/net/html"

然后，我们可以使用html.Parse函数来解析一个HTML字符串：

doc, err := html.Parse(strings.NewReader(htmlStr))
if err != nil {
    log.Fatal(err)
}

解析成功后，我们可以对解析后的文档进行遍历和操作。

遍历HTML文档

要遍历HTML文档，我们可以使用递归算法来访问每个节点：

func visitNode(n *html.Node) {
    if n == nil {
        return
    }

    // 访问当前节点的代码

    for c := n.FirstChild; c != nil; c = c.NextSibling {
        visitNode(c)
    }
}

在访问每个节点时，我们可以根据节点类型进行不同的操作。以下是一些常见的节点类型和对应的操作：

ElementNode

ElementNode表示HTML元素，例如div、p、span等。我们可以通过访问n.Data属性来获取元素标签名。例如，要检查节点是否为p标签，可以使用以下代码：

if n.Type == html.ElementNode && n.Data == "p" {
    // 处理p标签的代码
}

TextNode

TextNode表示文本节点，例如在p标签中的文本内容。我们可以通过访问n.Data属性来获取文本内容。以下是一个示例：

if n.Type == html.TextNode {
    // 处理文本节点的代码
    fmt.Println(n.Data)
}

示例：提取HTML标题和段落

现在，让我们来看一个示例，演示如何使用net/html包来提取HTML文档中的标题和段落。

func extractContent(n *html.Node) {
    if n == nil {
        return
    }

    if n.Type == html.ElementNode {
        switch n.Data {
        case "h1", "h2", "h3":
            // 提取标题的代码
            fmt.Println("标题：", n.FirstChild.Data)
        case "p":
            // 提取段落的代码
            fmt.Println("段落：", extractText(n))
        }
    }

    for c := n.FirstChild; c != nil; c = c.NextSibling {
        extractContent(c)
    }
}

func extractText(n *html.Node) string {
    var text string

    if n.Type == html.TextNode {
        text += n.Data
    }

    for c := n.FirstChild; c != nil; c = c.NextSibling {
        text += extractText(c)
    }

    return text
}

通过调用extractContent函数，我们可以提取HTML文档中的标题和段落内容。

结论

使用net/html包，我们可以方便地解析和操作HTML文档，从而实现各种功能，例如提取标题、段落等。本文简要介绍了如何使用net/html包来解析HTML文档，并给出了一个示例来演示其用法。希望通过本文的介绍，您能更好地理解和应用net/html包。