HTML - 查找给定标签中的所有子标签

Question

假设我有一个包含类似内容的 html 页面

<ul class ="good">
    <li>1</li>
    <li>2</li>
    <li>3</li>
</ul>

<ul class ="bad">
    <li>a</li>
    <li>b</li>
    <li>c</li>
</ul>

我想捕获 <li>第一个里面的元素 <ul> .来自 here我基本上复制了(注意:根据@twotwotwo 评论编辑代码)

page, _ := html.Parse(httpBody)
    var f func(*html.Node)
    f = func(n *html.Node) {
        //fmt.Println("Inside f")
        if n.Type == html.ElementNode && n.Data == "ul" {
            fmt.Println("ul found ->  ",n)
            for c := n.FirstChild; c != nil; c = c.NextSibling {
                f(c)
            }
        } else {
          fmt.Println(n.Data ,"is not the correct one")
          for c := n.FirstChild; c != nil; c = c.NextSibling { f(c) }
          }
    }
f(page)

但我获得的唯一输出是

 is not the correct one
html is not the correct one
head is not the correct one
body is not the correct one

我想知道为什么递归在 body 处停止。我试过 motherfuckingwebsite.com体内有标签

附言 我也试过了

page := html.NewTokenizer(httpBody)

for {
    tokenType := page.Next()
    if tokenType == html.ErrorToken {
        return links
    }
    token := page.Token()

但这似乎显示了所有标记，而不关心树结构。

编辑:

Answer 1

我过去用过这个包:https://github.com/PuerkitoBio/goquery

它提供了一个“类似 jQuery”的界面/跨 HTML 文档的查询。使用该库，就这么简单:

import (
    "bytes"
    "fmt"
    "log"

    "github.com/PuerkitoBio/goquery"
)

var httpBody string = `
    <ul class ="good">
        <li>1</li>
        <li>2</li>
        <li>3</li>
    </ul>

    <ul class ="bad">
        <li>a</li>
        <li>b</li>
        <li>c</li>
    </ul>
`

func main() {
    b := bytes.NewBufferString(httpBody)
    doc, err := goquery.NewDocumentFromReader(b)
    if err != nil {
        log.Fatal(err)
    }

    doc.Find("ul.good").Each(func(i int, ul *goquery.Selection) {
        ul.Find("li").Each(func(i int, li *goquery.Selection) {
            fmt.Println(li.Text())
        })
    })
}

打印:

1
2
3