Go - 从具有已知结构的文档中获取单个特定 HTML 元素的文本答案

【问题标题】：Go - Getting the text of a single particular HTML element from a document with a known structureGo - 从具有已知结构的文档中获取单个特定 HTML 元素的文本
【发布时间】：2014-04-27 22:15:16
【问题描述】：

在我正在编写的一个小脚本中，我向 Web 服务发送 POST 并接收一个 HTML 文档作为响应。这份文档与我的需求基本无关，除了单个textarea 的内容。这个textarea 是页面中唯一的textarea，它有一个我提前知道的特定name。我想获取该文本而不用担心文档中的任何其他内容。目前我正在使用正则表达式来获取正确的行，然后删除标签，但我觉得可能有更好的方法。

文档如下所示：

<html><body>
<form name="query" action="http://www.example.net/action.php" method="post">
    <textarea type="text" name="nameiknow"/>The text I want</textarea>
    <div id="button">
        <input type="submit" value="Submit" />
    </div>
</form>
</body></html>

这是我目前获取文本的方式：

s := string(body)

// Gets the line I want
r, _ := regexp.Compile("<textarea.*name=(\"|')nameiknow(\"|').*textarea>")
s = r.FindString(s)

// Deletes the tags
r, _ = regexp.Compile("<[^>]*>")
s = r.ReplaceAllString(s, "")

我认为在这种情况下使用完整的 HTML 解析器可能有点过分，这就是我朝这个方向发展的原因，尽管据我所知，那里有更好的东西。

感谢您的任何建议。

【问题讨论】：

标签： html regex go

【解决方案1】：

看看这个包：https://github.com/PuerkitoBio/goquery。它类似于 jQuery，但适用于 Go。它允许你做类似的事情

text := doc.Find("strong").Text()

完整的工作示例：

package main

import (
    "bytes"
    "fmt"

    "github.com/PuerkitoBio/goquery"
)

var s = `<html><body>
<form name="query" action="http://www.example.net/action.php" method="post">
    <textarea type="text" name="nameiknow">The text I want</textarea>
    <div id="button">
        <input type="submit" value="Submit" />
    </div>
</form>
</body></html>`

func main() {
    r := bytes.NewReader([]byte(s))
    doc, _ := goquery.NewDocumentFromReader(r)
    text := doc.Find("textarea").Text()
    fmt.Println(text)
}

打印：“我想要的文字”。

【讨论】：

【解决方案2】：

虽然这不是使用正则表达式解析 HTML 的最佳做法。但如你所愿，这里是：

(<textarea\b[^>]*\bname\s*=\s*(?:\"|')\s*nameiknow\s*(?:\"|')[^<]*<\/textarea>)

【讨论】：