如何使用 golang 将 HTML 表格转换为数组答案

【问题标题】：How to convert HTML table to array with golang如何使用 golang 将 HTML 表格转换为数组
【发布时间】：2016-03-12 18:14:38
【问题描述】：

我在尝试将 HTML 表格转换为 Golang 数组时遇到问题。我尝试使用 x/net/html 和 goquery 来实现它，但都没有成功。

假设我们有这个 HTML 表格：

<html>
  <body>
    <table>
      <tr>
        <td>Row 1, Content 1</td>
        <td>Row 1, Content 2</td>
        <td>Row 1, Content 3</td>
        <td>Row 1, Content 4</td>
      </tr>
      <tr>
        <td>Row 2, Content 1</td>
        <td>Row 2, Content 2</td>
        <td>Row 2, Content 3</td>
        <td>Row 2, Content 4</td>
      </tr>
    </table>
  </body>
</html>

我想以这个数组结尾：

------------------------------------
|Row 1, Content 1| Row 1, Content 2|
------------------------------------
|Row 2, Content 1| Row 2, Content 2|
------------------------------------

如你们所见，我只是忽略了内容 3 和 4。

我的提取码：

func extractValue(content []byte) {
  doc, _ := goquery.NewDocumentFromReader(bytes.NewReader(content))

  doc.Find("table tr td").Each(func(i int, td *goquery.Selection) {
    // ...
  })
}

我已尝试添加一个控制器编号，该编号将负责忽略我不想转换和调用的 <td>

td.NextAll()

但没有运气。你们知道我应该怎么做才能完成它吗？

谢谢。

【问题讨论】：

你能添加你使用的实际代码吗？
html 表看起来无效。如果我没记错的话，这里没有结束 td 标签。

标签： html go goquery

【解决方案1】：

您只能使用包golang.org/x/net/html 逃脱。

var body = strings.NewReader(`                                                                                                                            
        <html>                                                                                                                                            
        <body>                                                                                                                                            
        <table>                                                                                                                                           
        <tr>                                                                                                                                              
        <td>Row 1, Content 1</td>                                                                                                                          
        <td>Row 1, Content 2</td>                                                                                                                          
        <td>Row 1, Content 3</td>                                                                                                                          
        <td>Row 1, Content 4</td>                                                                                                                          
        </tr>                                                                                                                                             
        <tr>                                                                                                                                              
        <td>Row 2, Content 1</td>                                                                                                        
        <td>Row 2, Content 2</td>                                                                                                                          
        <td>Row 2, Content 3</td>                                                                                                                          
        <td>Row 2, Content 4</td>                                                                                                                          
        </tr>  
        </table>                                                                                                                                          
        </body>                                                                                                                                           
        </html>`)          

func main() {
    z := html.NewTokenizer(body)
    content := []string{}

    // While have not hit the </html> tag
    for z.Token().Data != "html" {
        tt := z.Next()
        if tt == html.StartTagToken {
            t := z.Token()
            if t.Data == "td" {
                inner := z.Next()
                if inner == html.TextToken {
                    text := (string)(z.Text())
                    t := strings.TrimSpace(text)
                    content = append(content, t)
                }
            }
        }
    }
    // Print to check the slice's content
    fmt.Println(content)
}

此代码仅针对这种典型的 HTML 模式编写，但将其重构为更通用并不难。

【讨论】：

非常感谢。在更改了一些代码后，我得到了预期的结果。 play.golang.org/p/zykOWwHCcG
@DanilloSouza 乐于助人！

【解决方案2】：

尝试这样的方法来制作二维数组并处理可变行大小：

    z := html.NewTokenizer(body)
    table := [][]string{}
    row := []string{}

    for z.Token().Data != "html" {
        tt := z.Next()
        if tt == html.StartTagToken {
            t := z.Token()

            if t.Data == "tr" {
                if len(row) > 0 {
                    table = append(table, row)
                    row = []string{}
                }
            }

            if t.Data == "td" {
                inner := z.Next()

                if inner == html.TextToken {
                    text := (string)(z.Text())
                    t := strings.TrimSpace(text)
                    row = append(row, t)
                }
            }

        }
    }
    if len(row) > 0 {
        table = append(table, row)
    }

【讨论】：