Go开发 之 利用 Xpath 读取网页中想要的内容

1、唠唠叨叨

在我之前的文章中讲述过如何利用xpath来抓取网页的内容，不过之前的开发语言我都是使用的Python。如果GoLang也想用Xpath该如何使用呢？下面就来简单的讲一下如何用Golang爬取github.com的一些小内容来做切入点学会这个知识吧。

回顾一下：

• Python开发 之 两种爬虫的方式 正则表达式、XPath
• Python开发 之 10分钟教你学会爬虫Scrapy

2、先看一下效果

比如爬取github.com的这几个控件的内容

爬取后得到的内容：

3、项目所需包

先安装项目所需的包，再说其它：

https://github.com/pkg/errors  
https://github.com/lestrrat-go/libxml2 

4、核心代码

/**
Author： 沙振宇
CreateTime：2019-12-4
UpdateTime：2019-12-4
Info：	“利用 Xpath 读取 html 内容”
		“通过Github来演示Xpath如何使用”
 */
package main

import (
	"fmt"
	"github.com/lestrrat-go/libxml2"
	"github.com/lestrrat-go/libxml2/xpath"
	"net/http"
	"strings"
)

// 去除空格和换行符
func getReplace(str string)  string{
	// 去除空格
	str = strings.Replace(str, " ", "", -1)
	// 去除换行符
	str = strings.Replace(str, "\n", "", -1)
	return str
}

func main() {
	urlPath := "https://github.com/"
	res, err := http.Get(urlPath)
	if err != nil {
		panic("failed to get : " + err.Error())
	}

	doc, err := libxml2.ParseHTMLReader(res.Body)
	if err != nil {
		panic("failed to parse HTML: " + err.Error())
	}
	defer doc.Free()

	nodes := xpath.NodeList(doc.Find(`//summary[@class="HeaderMenu-summary HeaderMenu-link px-0 py-3 border-0 no-wrap d-block d-lg-inline-block"]/text()`))

	fmt.Printf("nodes type: %T,len: %d\n\n", nodes, len(nodes))

	for i := 0; i < len(nodes); i++ {
		fmt.Printf("nodes type: %T,text: %s\n", nodes[i], getReplace(nodes[i].String()))
	}
}

5、Github源码分享

https://github.com/ShaShiDiZhuanLan/Demo_Xpath_Go

6、其它小知识

6.1、git代码回滚

再用git上传代码导github中，遇到了一个问题，就是我想要删除一些没必要的commit记录。于是我把代码回滚到之前的记录，然后commit一下。查看本地库已经删除了，但push时发现怎么也push不上去，后来直接使用强制提交git push -f才提交成功。

# 注： n代表想往前回滚的次数
git reset --hard HEAD~n

# 强制提交
git push -f -u origin 分支名

6.2、github访问过慢

github.com访问有时过慢，于是利用“http://tool.chinaz.com/dns”查询了DNS链接最快的响应IP：

把这个IP配置到hosts中，
windows的话在：“C:\Windows\System32\drivers\etc\hosts”中配置，
linux的话再：“/etc/hosts”中配置

例如上述，把以下配置到hosts末尾即可：

52.74.223.119 github.com