当我提取单元格的内容时，我试图保留<td>表格单元格中的格式。如果 中有两行文本（例如地址），代码可能如下所示： <td>address line1 <br>1 address line2</td>当 colly 提取这个时，我得到以下信息：address line1address line2没有空格或换行符，因为所有 html 都已从文本中删除。我该如何解决/解决这个问题，以便我从<td>
2 回答
一只斗牛犬
TA贡献1784条经验 获得超2个赞
gocollygoquery在引擎盖下使用。您可以调用所有Selection方法，包括Html()。
func (*Selection) HTML
func (s *Selection) Html() (ret string, e error)Html 获取匹配元素集中第一个元素的 HTML 内容。它包括文本和注释节点。
这是获取 html 内容的方法：
c.OnHTML("tr", func(e *colly.HTMLElement) {
// You can find the elem
h, _ := e.DOM.Find("td").Html()
fmt.Printf("=> %s \n", h)
// ...or you can loop thru all of them
elem.DOM.Each(func(_ int, s *goquery.Selection) {
h, _ := s.Html()
fmt.Printf("=> %s \n", h)
})
}
哈士奇WWW
TA贡献1799条经验 获得超6个赞
据我所知，gocolly 不支持这种格式，但您基本上可以通过使用htmlquery（gocolly 在内部使用它）包的OutputHTML方法来执行如下操作
const htmlPage = `
<!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.1//EN"
"http://www.w3.org/TR/xhtml11/DTD/xhtml11.dtd">
<html xmlns="http://www.w3.org/1999/xhtml" xml:lang="en">
<head>
<title>Your page title here</title>
</head>
<body>
<p>
AddressLine 1
<br>
AddresLine 2
</p>
</body>
</html>
`
doc, _ := htmlquery.Parse(strings.NewReader(htmlPage))
xmlNode := htmlquery.FindOne(doc, "//p")
result := htmlquery.OutputHTML(xmlNode, false)
结果变量的输出现在如下所示：
AddressLine 1
<br/>
AddresLine 2
您现在可以通过标记解析结果<br/>并获得您想要的结果。
但我也是新手，所以也许有更好的方法来做到这一点。
- 2 回答
- 0 关注
- 104 浏览
添加回答
举报
0/150
提交
取消