小伙伴们有没有觉得学习golang很有意思?有意思就对了!今天就给大家带来《无法被html.Parse() 解析的HTML格式》,以下内容将会涉及到,若是在学习中对其中部分知识点有疑问,或许看了本文
小伙伴们有没有觉得学习golang很有意思?有意思就对了!今天就给大家带来《无法被html.Parse() 解析的HTML格式》,以下内容将会涉及到,若是在学习中对其中部分知识点有疑问,或许看了本文就能帮到你!
问题内容我正在编写一个 Go 函数来读取 html 响应正文并提取页面标题。总的来说,该函数工作得很好,但我想测试响应正文根本不是正确 html 的代码路径。我为单元测试创建一些无效 html 的简单尝试已经失败。
显然,根据 html.parse
文档,这是因为:
HTML5 解析算法 [...] 非常复杂。生成的树可以包含隐式创建的节点,这些节点在 r 的数据中没有列出显式 <tag>,并且节点的父节点可能与起始和结束 <tag>s 的简单处理所隐含的嵌套不同。相反,r 数据中的显式 <tag>s 可以被静默删除,而生成的树中没有相应的节点。
这里有一些代码演示了我一直在采取的方法:
https://play.golang.org/p/t5wjdtjncqq
package main
import (
"bytes"
"fmt"
"golang.org/x/net/html"
)
func main() {
inputs := []string{ "",
"~",
"<",
"<ht",
"<html",
"<html>",
"<html><",
"<html><titl",
"<html><title",
"<html><title>",
"<html><title>the c progr",
"<html><title>the c programming language",
"<html><title>the c programming language<",
"<html><title>the c programming language</",
"<html><title>the c programming language</ti",
"<html><title>the c programming language</title",
"<html><title>the c programming language</title>",
"<html><title>the c programming language</title><",
"<html><title>the c programming language</title></",
"<html><title>the c programming language</title></ht",
"<html><title>the c programming language</title></html",
"<html><title>the c programming language</title></html>",
}
for _, in := range inputs {
fmt.printf("%s\n", in)
r := bytes.newreader([]byte(in))
_, err := html.parse(r)
if err != nil {
fmt.printf("could not parse html\n")
panic(err)
}
}
}
愚蠢的我,我本以为其中许多会产生错误,因为从表面上看它们是无效的 html,但上面的代码在没有 panic
'ing 的情况下遍历所有输入字符串——也就是说,没有非-来自 html.parse()
的 nil
err
。
我想我很感激一个宽松/宽容的 html 解析器,但是:有没有人有一个在输入 go 的 html.parse()
时会产生错误的文本示例?
编辑 1
结合 ferrybig 和 creationtribe 评论中的想法,我什至尝试了巨大的随机字节流:
rand.Seed(time.Now().UnixNano())
in := make([]byte, 0)
for i := 0; i < 2147483647; i++ {
in = append(in, byte(rand.Intn(255)))
}
fmt.Printf("len(in) : %d\n", len(in))
r := bytes.NewReader(in)
_, err := html.Parse(r)
...仍然没有错误。
是否没有输入会导致html.parse()
出错?
快速阅读Https://GitHub.com/golang/net/blob/master/html/token.go,似乎唯一返回的错误可能是:
在初次读取后如何触发 errbufferexceeded 对我来说并不明显,但您可以通过提供虚拟读取器来触发 html.parse 的错误:
type ErrReader struct { Error error }
func (e *ErrReader) Read([]byte) (int, error) {
return nil, e.Error
}
https://play.golang.org/p/s78HpfMLAI8
希望有帮助
终于介绍完啦!小伙伴们,这篇关于《无法被html.Parse() 解析的HTML格式》的介绍应该让你收获多多了吧!欢迎大家收藏或分享给更多需要学习的朋友吧~编程网公众号也会发布Golang相关知识,快来关注吧!
--结束END--
本文标题: 无法被html.Parse() 解析的HTML格式
本文链接: https://www.lsjlt.com/news/595930.html(转载时请注明来源链接)
有问题或投稿请发送至: 邮箱/279061341@qq.com QQ/279061341
下载Word文档到电脑,方便收藏和打印~
2024-04-05
2024-04-05
2024-04-05
2024-04-04
2024-04-05
2024-04-05
2024-04-05
2024-04-05
2024-04-04
回答
回答
回答
回答
回答
回答
回答
回答
回答
回答
0