首頁猿問我需要 html.Parse()...

我需要 html.Parse() 無法解析的 HTML

Go

嚕嚕噠 2023-07-10 16:43:45

我正在編寫一個 Go 函數(shù)來讀取 HTML 響應(yīng)正文并提取頁面標(biāo)題。總的來說，該函數(shù)工作得很好，但我想測試響應(yīng)正文根本不是正確 HTML 的代碼路徑。我為單元測試創(chuàng)建一些無效 HTML 的簡單嘗試已經(jīng)失敗。顯然，根據(jù)html.Parse文檔，這是因為：HTML5 解析算法 [...] 非常復(fù)雜。<tag>生成的樹可以包含隱式創(chuàng)建的節(jié)點，這些節(jié)點在 r 的數(shù)據(jù)中沒有顯式列出，并且節(jié)點的父節(jié)點可能與 start 和 end 的簡單處理所隱含的嵌套不同<tag>。相反，<tag>r 數(shù)據(jù)中的顯式 s 可以被靜默刪除，而生成的樹中沒有相應(yīng)的節(jié)點。下面是一些代碼，展示了我一直在采取的方法：https://play.golang.org/p/T5WjdtjNcqqpackage mainimport (? ? "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，我本以為其中許多會產(chǎn)生錯誤，因為從表面上看它們是無效的 HTML，但上面的代碼在沒有 'ing 的情況下遍歷所有輸入字符串——也就是說，沒有panic非nil errfrom html.Parse()。我想我很感激一個寬松/寬容的 HTML 解析器，但是：有沒有人有一個在輸入 Go 時會產(chǎn)生錯誤的文本示例html.Parse()？

查看完整描述