【go语言】4.3.2 网页解析

在爬虫中，网页解析是一个很重要的步骤，它的目的是从网页中提取我们需要的信息。在 Go 中，我们通常使用 goquery 或 html 包来解析 HTML 文档。

在这个章节，我们将使用 goquery 来解析网页并提取链接。首先，你需要使用 go get 命令来安装 goquery：

go get github.com/PuerkitoBio/goquery

接着，我们可以使用 goquery 的 NewDocumentFromReader 函数来从 io.Reader 创建一个新的文档，然后使用 Find 函数来查找所有的 a 标签，并使用 Attr 函数来获取它们的 href 属性：

func fetchAndParse(url string) ([]string, error) {
	resp, err := http.Get(url)
	if err != nil {
		return nil, err
	}
	defer resp.Body.Close()

	doc, err := goquery.NewDocumentFromReader(resp.Body)
	if err != nil {
		return nil, err
	}

	var links []string
	doc.Find("a").Each(func(i int, s *goquery.Selection) {
		href, ok := s.Attr("href")
		if ok {
			links = append(links, href)
		}
	})

	return links, nil
}

现在，我们的 fetchAndParse 函数可以访问一个网页并返回它的所有链接。

注意，这个函数返回的链接可能是相对链接，你可能需要使用 url 包的 ResolveReference 函数来将它们转换为绝对链接。

在实际的应用中，你可能需要从网页中提取更多的信息，例如标题、正文、图片等。你可以使用 goquery 的 Find 函数来查找你需要的元素，然后使用 Text、Attr 等函数来获取它们的内容和属性。

希望这个例子可以帮助你理解如何在 Go 中解析 HTML 文档。虽然这个例子很简单，但它涵盖了网页解析的基本概念。你可以根据需要扩展这个例子，编写更复杂的网页解析代码。