使用GoQuery获取页面内容时，无法按换行(br)拆分元素求助

我明白你遇到的麻烦了——GoQuery默认的Text()方法会把所有文本内容揉成一段，完全无视<br>标签的换行作用，这确实挺闹心的。针对你的HTML结构，这里有两种靠谱的解决思路：

方法1：遍历子节点，手动拆分文本 #

这种方式直接操作DOM节点，能精准识别<br>标签并分割内容，适合需要精细控制的场景：

import (
    "fmt"
    "strings"
    "github.com/PuerkitoBio/goquery"
)

doc, err := goquery.NewDocumentFromReader(res.Body)
if err != nil {
    panic(err)
}

// 定位到目标p标签（第二个li里的内容容器）
doc.Find("ul li:nth-child(2) p").Each(func(i int, s *goquery.Selection) {
    var lines []string
    currentLine := ""

    // 遍历p标签下的所有子节点
    s.Contents().Each(func(j int, node *goquery.Selection) {
        if node.Is("br") {
            // 遇到br标签，把当前整理好的行存入切片并重置
            if trimmed := strings.TrimSpace(currentLine); trimmed != "" {
                lines = append(lines, trimmed)
                currentLine = ""
            }
        } else {
            // 文本节点，持续追加内容
            currentLine += node.Text()
        }
    })

    // 处理最后一行未被br收尾的内容
    if trimmed := strings.TrimSpace(currentLine); trimmed != "" {
        lines = append(lines, trimmed)
    }

    // 此时lines就是按br拆分好的每一行内容
    fmt.Println("拆分结果：", lines)
})

方法2：先转HTML替换br，再提取文本 #

如果不需要太细的节点控制，这种方法更简洁，通过替换HTML里的br标签来实现拆分：

import (
    "fmt"
    "strings"
    "github.com/PuerkitoBio/goquery"
)

doc, err := goquery.NewDocumentFromReader(res.Body)
if err != nil {
    panic(err)
}

doc.Find("ul li:nth-child(2) p").Each(func(i int, s *goquery.Selection) {
    // 获取p标签的原始HTML内容
    htmlContent, _ := s.Html()
    
    // 替换所有形式的br标签为换行符（兼容<br>、<br/>、<br />）
    htmlContent = strings.ReplaceAll(htmlContent, "<br>", "\n")
    htmlContent = strings.ReplaceAll(htmlContent, "<br/>", "\n")
    htmlContent = strings.ReplaceAll(htmlContent, "<br />", "\n")
    
    // 临时解析处理后的HTML，提取纯文本
    tempDoc, _ := goquery.NewDocumentFromReader(strings.NewReader(htmlContent))
    rawText := tempDoc.Text()
    
    // 按换行符拆分并清理空白行
    rawLines := strings.Split(rawText, "\n")
    cleanedLines := make([]string, 0, len(rawLines))
    for _, line := range rawLines {
        if trimmed := strings.TrimSpace(line); trimmed != "" {
            cleanedLines = append(cleanedLines, trimmed)
        }
    }

    fmt.Println("拆分结果：", cleanedLines)
})

小提示 #

• 两种方法都先通过ul li:nth-child(2) p精准定位到目标内容容器，避免抓取到第一个li里的无关文本
• 方法1的可控性更强，适合需要保留节点上下文的场景；方法2更轻量化，适合大多数普通需求

内容的提问来源于stack exchange，提问作者Belmin Bedak