用Golang的朋友都知道如果我们要从HTML中提取一些内容、比如title或者是h2在或者是一些其他的HTML的内容、在Golang里面我们如果要自己写代码来提取还是相当的麻烦的；
由于我之前在写Pyhon的爬虫的时候也需要解析HTML标签；所以用过PyQuery和BS4.这次在用Golang写爬虫的时候就留意了一下是否有Golang版本的Query。github是个好地方；上面很找到很多开源的代码可以用；包括GoQuery。
所以这次会介绍一下如何用GoQuery来解析HTML元素。
导入Goquery模块
package mainimport ( "fmt" "github.com/opesun/goquery")其实还有一个github.com/PuerkitoBio/goquery的goquery模块、但是配置环境经常出差就没有选择
Goquery的各种用法
goquery有Jquery的大部分特性；如果你熟悉Jquery的话用Goquery就很简单了
解析HTML的title
var url = "http://www.hiadmin.org/"p, err := goquery.ParseUrl(url)if err != nil { panic(err)} else { pTitle := p.Find("title").Text()//直接提取title的内容 fmt.Println(pTitle)}
命令行下运行go run page.go之后得到输出
“Smart Testing | 专注于软件测试领域的技术讨论和研究、关注IT互联网、WordPress技巧的个人博客”
解析HTML内容
如果要得到HTML的内容就更简单了fmt.Println(p.Html())//.Html()得到html内容
获取h2/h1之类的标签内容
class := p.Find("h2").Text()fmt.Println(class, "/n")
我们可以使用Find()来查找需呀哦的标签；并且用.Text()来显示标签的内容
解析提取class的内容
如果要解析class的内容；需要在Find(".")加一个.
下面我们要提取class”entry-title”里面、后面的”href”的URL地址
由于超过1条内容所以不能用Text()来打印结果；需要用for来循环一下；
t := p.Find(".entry-title a")for i := 0i <t.Length()i++ {d := t.Eq(i).Attr("href")fmt.Println(d)}
输出结果如下
http://www.hiadmin.org/code/ebookdownloadtoolshttp://www.hiadmin.org/code/ipconversiontoolshttp://www.hiadmin.org/code/go-mac-addresshttp://www.hiadmin.org/linux/centos7-tomcat-start
其实就是首页里面的4篇文章的地址
如果想得到html里面所有的herf
fmt.Println(p.Find("").Attrs("href"))
用上面一行代码就可以得到HTML里面全部的href内容了
判断元素是否存在
如果想要判断一个元素是否在HTML里面；可以使用下面的代码fmt.Println(p.Find("div").HasClass("entry-content"))
判断div下面有没有“entry-content”的class元素；有返还true；没有返回false
json的Marshal 用来对slice，map，struct等结构化类型数据转义成[]byte/string，UnMarshal方法是用来对[]byte/string转义成指定结构的interface。但在处理html标签字符中，会存在转义问题。Marshal方法默认把html标签中的'<', '>' , '&'字符转义成unicode，为强制为有效UTF-8的JSON字符串，用Unicode替换符号替换无效字节。
go doc原文
Marshal的源码
这一行encOpts{escapeHTML: true})，这里的true导致标签被转义。
针对上述问题，有两种解决办法，第一种是替换上述三个tag，第二种是SetEscapeHtml(false)；
输出：
