本文介绍如何使用Go语言从XML或HTML文档中提取图片链接。通过exp/html包解析HTML结构，并遍历节点找到目标标签，最终获取src属性值。本文提供代码示例，演示了如何解析HTML并提取图片链接，并讨论了使用exp/html包的注意事项。
Go语言标准库中的encoding/xml包主要用于处理格式规范的XML文档。对于HTML这种格式相对自由的文档，使用exp/html包更为合适。exp/html包提供了HTML解析功能，可以构建HTML文档的DOM树，方便我们查找和提取信息。
以下是一个使用exp/html包提取图片链接的示例：
package main
import (
"exp/html"
"fmt"
"strings"
)
func main() {
htmlString := `@@##@@`
doc, err := html.Parse(strings.NewReader(htmlString))
if err != nil {
fmt.Println("Error parsing HTML:", err)
return
}
// 递归查找img标签并提取src属性
var f func(*html.Node)
f = func(n *html.Node) {
if n.Type == html.ElementNode && n.Data == "img" {
for _, attr := range n.Attr {
if attr.Key == "src" {
fmt.Println("Image Source:", attr.Val)
return // 找到第一个img标签就返回
}
}
}
for c := n.FirstChild; c != nil; c = c.NextSibling {
f(c)
}
}
f(doc)
}代码解释：
立即学习“go语言免费学习笔记（深入）”；
- 导入必要的包: exp/html 用于HTML解析，strings 用于创建字符串读取器。
-
HTML字符串: 定义包含
标签的HTML字符串。 - 解析HTML: 使用html.Parse函数解析HTML字符串，返回一个*html.Node类型的文档根节点。如果解析失败，则返回错误。
-
递归查找
标签: 定义一个递归函数 f，用于遍历HTML文档树。
- 如果当前节点是元素节点 (html.ElementNode) 并且标签名称是 img，则遍历其属性。
- 如果属性的键是 src，则打印属性值，即图片链接，并返回。
- 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，开始遍历HTML文档树。
运行结果:
Image Source: hello.png
注意事项：
- exp/html 包会自动补全HTML结构，例如添加、、等标签。因此，在遍历节点时需要注意实际的HTML结构。
- 上述代码只提取了第一个找到的
标签的src属性。如果需要提取所有
标签的src属性，需要修改递归函数，移除return语句。
- 实际应用中，HTML结构可能更加复杂，需要根据具体情况调整代码。
- exp/html 包位于 exp 目录下，意味着它可能在未来的Go版本中发生变化。因此，在使用时需要注意其稳定性。
总结：
使用exp/html包可以方便地解析HTML文档，并提取所需的信息。通过递归遍历HTML文档树，可以找到目标标签并获取其属性值。在实际应用中，需要根据具体的HTML结构和需求进行调整。虽然exp/html包可能存在一些不稳定性，但在处理非严格XML格式的HTML文档时，它仍然是一个不错的选择。
