golang解析网页利器goquery的使用方法
作者:Tomoya
这篇文章主要给大家介绍了关于golang解析网页利器goquery的使用方法,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考借鉴,下面来一起学习学习吧。
前言
本文主要给大家介绍了关于golang解析网页利器goquery使用的相关内容,分享出来供大家参考学习,下面话不多说了,来一起看看详细的介绍吧。
java里用Jsoup,nodejs里用cheerio,都可以相当方便的解析网页,在golang语言里也找到了一个网页解析的利器,相当的好用,选择器跟jQuery一样
安装
go get github.com/PuerkitoBio/goquery
使用
其实就是项目的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() }
乱码问题
中文网页都会有乱码问题,因为它默认是utf8编码,这时候就要用到转码器了
安装 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去获取网页里的结构数据了 // 比如 doc.Find("li").Each(func(i int, s *goquery.Selection) { fmt.Println(i, s.Text()) }) } } }
进阶
有些网站会设置Cookie, Referer等验证,可以在http发请求之前设置上请求的头信息
这个不属于goquery里的东西了,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") // 也可以通过req.Cookie()的方式来设置cookie res, err := client.Do(req) defer res.Body.Close() //最后直接把res传给goquery就可以来解析网页了 doc, err := goquery.NewDocumentFromResponse(res)
总结
以上就是这篇文章的全部内容了,希望本文的内容对大家的学习或者工作具有一定的参考学习价值,如果有疑问大家可以留言交流,谢谢大家对脚本之家的支持。
参考
- 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