在Go语言的实际开发场景中，经常需要处理HTML格式的文档内容，比如爬取网页数据、解析接口返回的HTML片段、处理本地HTML文件等，其中提取特定元素的文本是最基础也最常用的操作。goquery库借鉴了jQuery的选择器语法，让开发者可以用熟悉的方式操作HTML文档的DOM结构，大幅提升解析效率。
goquery环境准备
首先需要在项目中引入goquery依赖，执行以下命令完成安装：
// 安装goquery依赖 go get github.com/PuerkitoBio/goquery
基础解析流程
使用goquery解析HTML并提取元素文本的核心流程分为三步：加载HTML文档、定位目标元素、提取文本内容。下面通过一个简单的示例演示完整流程，假设我们需要解析一段包含标题和段落的HTML内容，提取其中class为content的p标签文本。
package main
import (
"fmt"
"strings"
"github.com/PuerkitoBio/goquery"
)
func main() {
// 待解析的HTML字符串
htmlContent := `<html>
<head>
<title>测试页面</title>
</head>
<body>
<h1 class="title">页面主标题</h1>
<p class="content">第一段内容</p>
<p class="content">第二段内容</p>
<div id="footer">页脚信息</div>
</body>
</html>`
// 从字符串加载HTML文档
doc, err := goquery.NewDocumentFromReader(strings.NewReader(htmlContent))
if err != nil {
fmt.Println("解析HTML失败:", err)
return
}
// 提取class为content的所有p标签文本
doc.Find("p.content").Each(func(i int, s *goquery.Selection) {
text := s.Text()
fmt.Printf("第%d段内容: %sn", i+1, text)
})
// 提取id为footer的div文本
footerText := doc.Find("#footer").Text()
fmt.Println("页脚内容:", footerText)
// 提取h1标签文本
titleText := doc.Find("h1.title").Text()
fmt.Println("页面标题:", titleText)
}
常用选择器说明
goquery支持大部分CSS选择器语法，以下是提取元素时最常用的几种选择器类型：
- 标签选择器：直接使用标签名，比如
p匹配所有p标签，div匹配所有div标签 - 类选择器：使用
.类名格式，比如.content匹配所有class包含content的元素 - ID选择器：使用
#id名格式，比如#footer匹配id为footer的元素 - 属性选择器：使用
[属性名=属性值]格式，比如[href="https://ipipp.com"]匹配href属性为指定值的a标签 - 层级选择器：使用空格分隔，比如
body p匹配body下所有p标签，div > p匹配div的直接子元素p标签
文本提取的注意事项
在使用goquery提取文本时，有几个细节需要注意：
空白字符处理
HTML文档中的换行、缩进等空白字符会被保留在提取的文本中，如果需要清理多余的空白，可以使用strings.TrimSpace或者strings.Join配合strings.Fields处理：
// 清理文本前后的空白字符 rawText := s.Text() cleanText := strings.TrimSpace(rawText) // 合并文本中多余的空白字符为一个空格 fields := strings.Fields(rawText) mergedText := strings.Join(fields, " ")
嵌套元素文本提取
如果目标元素内部包含子元素，Text()方法会返回所有子元素的文本拼接结果，如果只需要获取当前元素自身的直接文本，可以遍历子节点筛选文本节点：
// 获取元素自身的直接文本，忽略子元素
func getDirectText(s *goquery.Selection) string {
var text string
s.Contents().Each(func(i int, child *goquery.Selection) {
if goquery.NodeName(child) == "#text" {
text += child.Text()
}
})
return strings.TrimSpace(text)
}
实际场景示例
假设我们需要解析一个网页中的文章列表，提取每篇文章的标题和链接，HTML结构如下：
<div class="article-list"> <div class="article-item"> <a href="https://ipipp.com/article/1" class="article-title">第一篇文章</a> <span class="date">2024-01-01</span> </div> <div class="article-item"> <a href="https://ipipp.com/article/2" class="article-title">第二篇文章</a> <span class="date">2024-01-02</span> </div> </div>
对应的解析代码如下：
package main
import (
"fmt"
"strings"
"github.com/PuerkitoBio/goquery"
)
func main() {
htmlStr := `<div class="article-list">
<div class="article-item">
<a href="https://ipipp.com/article/1" class="article-title">第一篇文章</a>
<span class="date">2024-01-01</span>
</div>
<div class="article-item">
<a href="https://ipipp.com/article/2" class="article-title">第二篇文章</a>
<span class="date">2024-01-02</span>
</div>
</div>`
doc, _ := goquery.NewDocumentFromReader(strings.NewReader(htmlStr))
doc.Find(".article-item").Each(func(i int, s *goquery.Selection) {
title := s.Find(".article-title").Text()
link, _ := s.Find(".article-title").Attr("href")
date := s.Find(".date").Text()
fmt.Printf("文章%d: 标题=%s, 链接=%s, 日期=%sn", i+1, title, link, date)
})
}
总结
goquery通过类jQuery的API极大降低了Go语言解析HTML的难度，开发者只需要掌握基础的选择器语法，就可以快速定位到目标元素并提取文本。在实际使用中，结合字符串处理函数可以应对大部分文本清洗需求，对于复杂的HTML解析场景，也可以通过遍历DOM节点实现更精细的控制。相较于Go标准库的HTML解析包，goquery的上手成本更低，开发效率更高，非常适合需要快速实现HTML解析功能的场景。
goqueryGo语言HTML解析元素文本提取DOM操作修改时间：2026-06-11 22:33:25