17370845950

本文介绍如何在 go 中借助 goquery 库，通过 css 选择器（如 `.funcname`）高效解析 html 文档并提取目标元素的文本内容或属性值，适用于爬虫、页面数据抽取等场景。

在 Go 生态中，原生 net/html 包虽可解析 HTML，但操作繁琐、缺乏类似 jQuery 的链式查询能力。推荐使用成熟、轻量且语法直观的第三方库 —— github.com/PuerkitoBio/goquery，它封装了 net/html，提供类 jQuery 的 CSS 选择器支持，大幅提升开发效率。

快速上手：提取具有 class="funcname" 的 div 文本内容

首先安装依赖：

go get github.com/PuerkitoBio/goquery

以下是一个完整示例，演示如何从 HTML 字符串中提取所有 class="funcname" 的

package main

import (
    "fmt"
    "strings"
    "github.com/PuerkitoBio/goquery"
)

func main() {
    html := `
    
      
        API Reference
        ParseHTML
        FindElement
        © 2025
      
    `

    doc, err := goquery.NewDocumentFromReader(strings.NewReader(html))
    if err != nil {
        panic(err)
    }

    // 使用 CSS 选择器查找所有 class="funcname" 的元素
    doc.Find(".funcname").Each(func(i int, s *goquery.Selection) {
        text := strings.TrimSpace(s.Text())
        fmt.Printf("第 %d 个 funcname: %s\n", i+1, text)
        // 输出：
        // 第 1 个 funcname: ParseHTML
        // 第 2 个 funcname: FindElement
    })
}

常用操作扩展

• ✅ 获取属性值：s.Attr("id") 或 s.AttrOr("data-name", "default")
• ✅ 获取 HTML 内容（含标签）：s.Html()
• ✅ 获取纯文本（自动去空格/换行）：s.Text()（推荐配合 strings.TrimSpace）
• ✅ 链式筛选：doc.Find("div.funcname").Find("span.code").Text()
• ✅ 从 URL 加载：goquery.NewDocument("https://example.com")（需确保网络可达且目标页允许爬取）

注意事项

• goquery.NewDocument() 默认会发起 HTTP 请求，若解析本地 HTML 字符串，请使用 NewDocumentFromReader(io.Reader) 避免误触发网络调用；
• HTML 若存在严重语法错误（如未闭合标签），goquery 通常能容错处理，但仍建议对关键字段做 s.Length() > 0 判断，避免空选择器导致 panic；
• 生产环境抓取网页时，请遵守 robots.txt 协议、设置合理 User-Agent 及请求间隔，尊重网站服务条款。

掌握 goquery 的 CSS 选择器能力，即可快速构建健壮、可维护的 HTML 数据提取逻辑，是 Go 开发者处理 Web 内容不可或缺的实用技能。

立即学习“前端免费学习笔记（深入）”；