golang解析网页利器goquery的使用方法

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