go - 使用 Go 解析 xml，忽略嵌套元素？

Question

我正在尝试使用 Golang xml 解析器解析 html 文档。我设法提取了所有 <li>元素，但如果元素包含链接 <a> , 然后忽略链接的内容。我只想忽略嵌套的 <a>并将其内容显示为纯文本，但我不知道该怎么做。

这是我的代码:

d := xml.NewDecoder(resp.Body)
d.Strict = false
d.AutoClose = xml.HTMLAutoClose
d.Entity = xml.HTMLEntity

type list_item struct {
    Data string `xml:",chardata"`
}

for {
    t,_ := d.Token()
    if t == nil {
        break
    }

    switch se := t.(type) {
    case xml.StartElement:
        if se.Name.Local == "li" {
            var q list_item
            d.DecodeElement(&q, &se)

            c.Infof("%+v\n", q)

        }
    }
}

有什么方法可以忽略嵌套元素并显示它们的内容吗？

Answer 1

Constder 使用 specialized package用于解析 HTML。一般来说，HTML 不是 XML(XHTML 1.0 是，但使用它格式化的文档不是很常见，而且该标准已被弃用)。

在我看来，一个更好的方法——给定你的明显用例——是使用 XPath使用查询提取必要的信息。

至于所陈述的问题，我认为没有内置的方法可以做你想做的事:xml.Decoder 实现了 Skip() 方法，但是它只允许您跳过不需要的内容；没有任何东西按原样返回“内部 XML”。您可以使用 xml.Decoder 的 RawToken() 自己滚动它:通过立即渲染它返回的任何内容，直到它返回一些表示您正在寻找的结束元素(您必须实现对处理嵌套元素的支持)。