tcsecchen / bs

Use golang to parse html, and just like BeautifulSoup

A Simple HTML-Parser

安装： go get github.com/pysrc/bs

快速开始

package main

import (
	"fmt"
	"os"
	"github.com/pysrc/bs"
)

func main() {
	url := os.Args[1]
	resp, err := http.Get(url)
	soup := bs.Init(resp.Body)
	resp.Body.Close()
  
	// 找出所有 a 标签的链接
	for i, j := range soup.SelByTag("a") {
		fmt.Println(i, (*j.Attrs)["href"])
	}
	/*Output:
	  0 http://example.com/elsie
	  1 http://example.com/lacie
	  2 http://example.com/tillie
	*/

	// 获取属性 class="story" 的 p 标签
	for i, j := range soup.Sel("p", &map[string]string{"class": "story"}) {
		fmt.Println(i, "Tag", j.Tag)
		// 找出子标签为 a 的标签
		for k, v := range j.SelByTag("a") {
			fmt.Println(k, "son", v.Value)
		}
	}
	/*Output:
	  0 Tag p
	  0 son Elsie
	  1 son Lacie
	  2 son Tillie
	  1 Tag p
	*/
  
	for _, j := range soup.SelById("lin.*") { // 使用正则匹配
		fmt.Println("regex", j.Tag, j.Value)
	}
	/*Output:
	    regex a Elsie
		regex a Lacie
		regex a Tillie
	*/

}

可用接口

1.方法

type SelFunc interface {
	Sel(tag string, attrs *map[string]string) (nodes []*Node)
	SelById(id string) []*Node
	SelByTag(tag string) []*Node
	SelByClass(class string) []*Node
	SelByName(name string) []*Node
}

2.可操作属性

type Node struct { // 基本节点结构
	Tag   string             // 标签名
	Attrs *map[string]string //属性
	Value string             // 此节点的值
	Sons  []*Node            // 子节点
}