快捷導(dǎo)航

golang解析網(wǎng)頁利器goquery的使用方法

更新時間：2017年09月30日 09:22:51 作者：Tomoya

這篇文章主要給大家介紹了關(guān)于golang解析網(wǎng)頁利器goquery的使用方法，文中通過示例代碼介紹的非常詳細(xì)，對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值，需要的朋友可以參考借鑒，下面來一起學(xué)習(xí)學(xué)習(xí)吧。

前言

本文主要給大家介紹了關(guān)于golang解析網(wǎng)頁利器goquery使用的相關(guān)內(nèi)容，分享出來供大家參考學(xué)習(xí)，下面話不多說了，來一起看看詳細(xì)的介紹吧。

java里用Jsoup，nodejs里用cheerio，都可以相當(dāng)方便的解析網(wǎng)頁，在golang語言里也找到了一個網(wǎng)頁解析的利器，相當(dāng)?shù)暮糜?，選擇器跟jQuery一樣

安裝

go get github.com/PuerkitoBio/goquery

使用

其實(shí)就是項(xiàng)目的readme.md里的demo

package main

import (
 "fmt"
 "log"

 "github.com/PuerkitoBio/goquery"
)

func ExampleScrape() {
 doc, err := goquery.NewDocument("http://metalsucks.net")
 if err != nil {
 log.Fatal(err)
 }

 // Find the review items
 doc.Find(".sidebar-reviews article .content-block").Each(func(i int, s *goquery.Selection) {
 // For each item found, get the band and title
 band := s.Find("a").Text()
 title := s.Find("i").Text()
 fmt.Printf("Review %d: %s - %s\n", i, band, title)
 })
}

func main() {
 ExampleScrape()
}

亂碼問題

中文網(wǎng)頁都會有亂碼問題，因?yàn)樗J(rèn)是utf8編碼，這時候就要用到轉(zhuǎn)碼器了

安裝 iconv-go

go get github.com/djimenez/iconv-go

使用方法

func ExampleScrape() {
 res, err := http.Get(baseUrl)
 if err != nil {
 fmt.Println(err.Error())
 } else {
 defer res.Body.Close()
 utfBody, err := iconv.NewReader(res.Body, "gb2312", "utf-8")
 if err != nil {
  fmt.Println(err.Error())
 } else {
  doc, err := goquery.NewDocumentFromReader(utfBody)
  // 下面就可以用doc去獲取網(wǎng)頁里的結(jié)構(gòu)數(shù)據(jù)了
  // 比如
  doc.Find("li").Each(func(i int, s *goquery.Selection) {
  fmt.Println(i, s.Text())
  })
 }
 }
}

進(jìn)階

有些網(wǎng)站會設(shè)置Cookie, Referer等驗(yàn)證，可以在http發(fā)請求之前設(shè)置上請求的頭信息

這個不屬于goquery里的東西了，想了解更多可以查看golang里的 net/http 包下的方法等信息

baseUrl:="http://baidu.com"
client:=&http.Client{}
req, err := http.NewRequest("GET", baseUrl, nil)
req.Header.Add("User-Agent", "Mozilla/5.0 (Macintosh; Intel Mac OS X 10_12_5) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/58.0.3029.110 Safari/537.36")
req.Header.Add("Referer", baseUrl)
req.Header.Add("Cookie", "your cookie") // 也可以通過req.Cookie()的方式來設(shè)置cookie
res, err := client.Do(req)
defer res.Body.Close()
//最后直接把res傳給goquery就可以來解析網(wǎng)頁了
doc, err := goquery.NewDocumentFromResponse(res)

總結(jié)

以上就是這篇文章的全部內(nèi)容了，希望本文的內(nèi)容對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值，如果有疑問大家可以留言交流，謝謝大家對腳本之家的支持。

參考

https://github.com/PuerkitoBio/goquery
https://github.com/PuerkitoBio/goquery/issues/185
https://github.com/PuerkitoBio/goquery/wiki/Tips-and-tricks#handle-non-utf8-html-pages

您可能感興趣的文章: