GoパースHTMLテーブル

Question

私は解析したいHTMLテーブルを持っています。次のようなもの http://sprunge.us/IJUC しかし、私は情報を解析する良い方法は不明です。私はいくつかのhtmlパーサを見たことがありますが、それらはすべて、あなたがそれを解析するための特別なタグを持っている必要があるようです。しかし、私の情報の大部分は、<td></td>

この情報を解析するための提案はありますか？

http://golang.org/pkg/encoding/xml/

Answer 1

恥知らずなプラグイン：：マイgoqueryライブラリあなたのHTMLがよく形成されている場合に

Answer 2

は、あなたは組み込みのXMLパーサーを使用することができます。これはGoに渡されたjQueryの構文です（Goのexperimental html packageが必要です、ライブラリのREADMEの説明を参照してください）。

だから、あなたがそのようなことを行うことができます（あなたのHTMLドキュメントがドキュメントにロードされている*goquery.Documentを想定）：

doc.Find("td").Each(func (i int, s *goquery.Selection) { 
    fmt.Printf("Content of cell %d: %s\n", i, s.Text()) 
}) 

編集：例のdoc.Findに変更doc.Root.Find goquery文書があまりにも今の選択であるために（v0.2デベロッパー/ masterブランチの新機能）

Answer 3

あなたはまた、ゴーの実験的なHTMLパーサに興味がある可能性があり： https://code.google.com/p/go.net/html

パッケージdefini godocに従ってン：

パッケージのHTMLは

HTML5準拠のトークナイザとパーサーを実装し、私はそれを自分自身を使用していないが、それはかなりストレートなようだ：

構文解析は、io.Readerを使用してParseを呼び出すことによって行われます。io.Readerは、解析ツリーのルート（ノード）として ルートを返します。 ReaderがUTF-8 エンコードされたHTMLを提供することを確認するのは、 発信者の責任です。

go get code.google.com/p/go.net/html 

import "code.google.com/p/go.net/html" 

doc, err := html.Parse(r) 

これは、任意の現在のリリースの一部ではありませんが、あなたはソースからインストール、またはgolang-先端Ubuntuのaptのリポジトリを使用し場合に使用することができます。

EDIT：あなたがここにも実験的な囲碁パッケージの次ミラーを使用することができます：XMLパッケージを使用してについての私が見https://github.com/kless/go-exp

go get github.com/kless/go-exp/html 

import (
    "github.com/kless/go-exp/html" 
)