GoでHTMLの要素をXPathで取得する方法

Ⅰ. はじめに

タイトルの通り「GoでHTMLの要素をXPathで取得する方法」です。

Ⅱ. やり方

1. パッケージをインストールする

go get github.com/antchfx/htmlquery

2. サンプルプログラムを書く

package main

import (
  "fmt"

  "github.com/antchfx/htmlquery"
)

func main() {
  doc, _ := htmlquery.LoadURL("http://example.com")

  // h1タグのInnerTextを取得する
  titleElement := htmlquery.FindOne(doc, "/html/body/div/h1")
  fmt.Println(htmlquery.InnerText(titleElement))

  // aタグのhref属性を取得する
  linkElement := htmlquery.FindOne(doc, "/html/body/div/p[2]/a")
  fmt.Println(htmlquery.SelectAttr(linkElement, "href"))

  // pタグを列挙し、InnerTextを表示する
  for i, x := range htmlquery.Find(doc, "/html/body/div/p") {
    fmt.Println(i, htmlquery.InnerText(x))
  }
}

3. 実行結果

Example Domain
http://www.iana.org/domains/example
0 This domain is established to be used for illustrative examples in documents. You may use this
    domain in examples without prior coordination or asking for permission.
1 More information...

その他

http://example.com の HTML が変わるとサンプルの意味が無くなるので、
念のため http://example.com のバックアップを残します。
https://gist.github.com/anonymous/e325a74047edab47a2cf6ccdef60af95

参考

https://github.com/antchfx/htmlquery