涉及 *html.Node 的递归函数打印 HTML 文档中的所有链接

Question

我正在尝试使用接受 *html.Node 作为参数的函数打印 HTML 文档中的所有链接。我是 Golang 和 *html.Node 数据类型的新手，我以前从未使用过它们。

func visit(links []string, n *html.Node) []string {
    if n == nil {
        return links
    }
    if n.Type == html.ElementNode && n.Data == "a" {
        for _, a := range n.Attr {
            if a.Key == "href" {
                links = append(links, a.Val)
            }
        }
    }
    if i == 0 {
        i++
        return visit(links, n.FirstChild)
    }
    return visit(links, n.NextSibling)
}

检查 i==0 是否的 if 块的目的是确保 return visit(links, n.FirstChild) 只运行一次（第一次）并且 return visit(links, n.NextSibling) 在接下来的迭代中运行。但是，links 永远不会被追加，并且总是 returns 一个空切片。我不明白我的代码中的错误。

代码在使用 for 循环时运行良好，但在我尝试使用递归时中断。

for c := n.FirstChild; c != nil; c = c.NextSibling {
        links = visit(links, c)
    }

Answer 1

您的代码不起作用，因为它采用文档的第一个子元素，即 html 元素，然后采用其兄弟元素，即 nil，从而导致函数结束带有空链接。

详细说明：这是一个示例代码，

package main

import (
    "fmt"
    "log"
    "strings"

    "golang.org/x/net/html"
)

var i int = 0

func visit(links []string, n *html.Node) []string {

    if n == nil {
        return links
    }

    if n.Type == html.ElementNode && n.Data == "a" {
        for _, a := range n.Attr {
            if a.Key == "href" {
                links = append(links, a.Val)
            }
        }
    }

    if i == 0 {
        i++
        return visit(links, n.FirstChild)
    }

    return visit(links, n.NextSibling)
}

func main() {
    s := `<p>Links:</p><ul><li><a href="foo">Foo</a><li><a href="/bar/baz">BarBaz</a></ul>`

    doc, err := html.Parse(strings.NewReader(s))
    if err != nil {
        log.Fatal(err)
    }

    links := visit([]string{}, doc)

    fmt.Println(links)
}

第一次调用 visit,
参数：
链接 = []
n = 文档节点

在第一次调用中，i=0，因此它使用文档节点的第一个子节点对 visit 进行递归调用。

第二次调用 visit,
参数：
链接 = []
n = 元素节点 (n.Data = "html")

在第二次调用中，n是html元素节点。现在对 visit 的第 3 次调用是对 html 元素节点的下一个兄弟节点进行的。这就是问题所在。 html 元素节点没有兄弟节点，因此 n 将是 nil.

第 3 次调用 visit，
参数：
链接 = []
n = 零

因此，现在递归调用的所有函数 3 函数调用都将 return 并且执行流程将返回到 main，因此切片 links 将保持为空.

希望你明白。

编写此功能的正确方法是通过您在问题中共享的循环，如下所示，

package main

import (
    "fmt"
    "log"
    "strings"

    "golang.org/x/net/html"
)

func visit(links []string, n *html.Node) []string {

    if n.Type == html.ElementNode && n.Data == "a" {
        for _, a := range n.Attr {
            if a.Key == "href" {
                links = append(links, a.Val)
            }
        }
    }

    for c := n.FirstChild; c != nil; c = c.NextSibling {
        links = visit(links, c)
    }

    return links
}

func main() {
    s := `<p>Links:</p><ul><li><a href="foo">Foo</a><li><a href="/bar/baz">BarBaz</a></ul>`

    doc, err := html.Parse(strings.NewReader(s))
    if err != nil {
        log.Fatal(err)
    }

    links := visit([]string{}, doc)

    fmt.Println(links)
}

在这里，循环通过检查每个 HTML 元素的子元素来帮助递归查找链接。如果其中一个 HTML 元素没有兄弟姐妹，那么它将简单地移动到其父元素的下一个兄弟元素并检查

涉及 *html.Node 的递归函数打印 HTML 文档中的所有链接

Recursive Function involving *html.Node to print all links in a HTML Doc

html

tree

recursion

go

nodes