无法被html.Parse() 解析的HTML格式
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？
解决方案
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：
- 一旦 r 完全读取成功，io.eof；
- 底层 io.reader 返回的任何其他错误；或
- html.errbufferexceeded
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！
免责声明：
① 本站未注明“稿件来源”的信息均来自网络整理。其文字、图片和音视频稿件的所属权归原作者所有。本站收集整理出于非商业性的教育和科研之目的，并不意味着本站赞同其观点或证实其内容的真实性。仅作为临时的测试数据，供内部测试之用。本站并未授权任何人以任何方式主动获取本站任何信息。
② 本站未注明“稿件来源”的临时测试数据将在测试完成后最终做删除处理。有问题或投稿请发送至: 邮箱/279061341@qq.com QQ/279061341
