html - 在 Golang 中提取 *html.Node 的位置偏移

Question

如何为已解析的 HTML 文档的特定节点提取位置偏移量？例如，对于文档 <div>Hello, <b>World!</b></div>我想知道 World! 的偏移量是15:21 .解析时文档可能会更改。

我有一个解决方案可以用特殊标记呈现整个文档，但这对性能来说真的很糟糕。有什么想法吗？

package main

import (
    "bytes"
    "golang.org/x/net/html"
    "golang.org/x/net/html/atom"
    "log"
    "strings"
)

func nodeIndexOffset(context *html.Node, node *html.Node) (int, int) {
    if node.Type != html.TextNode {
        node = node.FirstChild
    }
    originalData := node.Data

    var buf bytes.Buffer
    node.Data = "|start|" + originalData
    _ = html.Render(&buf, context.FirstChild)
    start := strings.Index(buf.String(), "|start|")

    buf = bytes.Buffer{}
    node.Data = originalData + "|end|"
    _ = html.Render(&buf, context.FirstChild)
    end := strings.Index(buf.String(), "|end|")

    node.Data = originalData
    return start, end
}

func main() {
    s := "<div>Hello, <b>World!</b></div>"
    var context html.Node
    context = html.Node{
        Type:     html.ElementNode,
        Data:     "body",
        DataAtom: atom.Body,
    }
    nodes, err := html.ParseFragment(strings.NewReader(s), &context)
    if err != nil {
        log.Fatal(err)
    }
    for _, node := range nodes {
        context.AppendChild(node)
    }
    world := nodes[0].FirstChild.NextSibling.FirstChild
    log.Println("target", world)
    log.Println(nodeIndexOffset(&context, world))
}

Answer 1

不是答案，但评论太长了。以下方法可能在一定程度上起作用:

• 使用 Tokenizer 并逐个遍历每个元素。
• 将您的输入包装到一个自定义阅读器中，该阅读器记录行和Tokenizer 从中读取的列偏移量。
• 在调用 Next() 之前和之后查询您的自定义阅读器的位置记录您需要的大概位置信息。

这有点痛苦，而且不是太准确，但可能是你能做的最好的。