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
|
1
|
go get github.com/PuerkitoBio/goquery |
使用
其实就是项目的readme.md里的demo
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
|
package mainimport ( "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
|
1
|
go get github.com/djimenez/iconv-go |
使用方法
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
|
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
|
1
2
3
4
5
6
7
8
9
10
|
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cookieres, 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，谢谢大家对服务器之家的支持。
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
原文链接：https://tomoya92.github.io/2017/06/21/golang-goquery/
