當我提取單元格的內容時，我試圖保留<td>表格單元格中的格式。如果 中有兩行文本（例如地址），代碼可能如下所示： <td>address line1 <br>1 address line2</td>當 colly 提取這個時，我得到以下信息：address line1address line2沒有空格或換行符，因為所有 html 都已從文本中刪除。我該如何解決/解決這個問題，以便我從<td>
2 回答
一只斗牛犬
TA貢獻1784條經驗 獲得超2個贊
gocollygoquery在引擎蓋下使用。您可以調用所有Selection方法，包括Html()。
func (*Selection) HTML
func (s *Selection) Html() (ret string, e error)Html 獲取匹配元素集中第一個元素的 HTML 內容。它包括文本和注釋節點。
這是獲取 html 內容的方法：
c.OnHTML("tr", func(e *colly.HTMLElement) {
? ? // You can find the elem
? ? h, _ := e.DOM.Find("td").Html()
? ? fmt.Printf("=> %s \n", h)
? ? // ...or you can loop thru all of them
? ? elem.DOM.Each(func(_ int, s *goquery.Selection) {
? ? ? ? h, _ := s.Html()
? ? ? ? fmt.Printf("=> %s \n", h)
? ? })
}
哈士奇WWW
TA貢獻1799條經驗 獲得超6個贊
據我所知，gocolly 不支持這種格式，但您基本上可以通過使用htmlquery（gocolly 在內部使用它）包的OutputHTML方法來執行如下操作
const htmlPage = `
<!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.1//EN"
?"http://www.w3.org/TR/xhtml11/DTD/xhtml11.dtd">
<html xmlns="http://www.w3.org/1999/xhtml" xml:lang="en">
? <head>
? ? <title>Your page title here</title>
? </head>
? <body>
? ? <p>
? ? AddressLine 1?
? ? <br>
? ? AddresLine 2
? ? </p>
? </body>
</html>
`
doc, _ := htmlquery.Parse(strings.NewReader(htmlPage))
xmlNode := htmlquery.FindOne(doc, "http://p")
result := htmlquery.OutputHTML(xmlNode, false)
結果變量的輸出現在如下所示：
?AddressLine 1
? ?<br/>
?AddresLine 2
您現在可以通過標記解析結果<br/>并獲得您想要的結果。
但我也是新手，所以也許有更好的方法來做到這一點。
- 2 回答
- 0 關注
- 166 瀏覽
添加回答
舉報
0/150
提交
取消