🐥

[Tips]goqueryでクラス名などのアトリビュート部分一致をFind

2024/02/25に公開

この記事は何

Webサイトのスクレイピングをするときに、Go言語であればgoqueryなどのパッケージを使うことがありますね。そんな時、<div class="wrapper_content__abcdef>のような、__以降がビルドされるごとに変わるであろう要素を抽出するにはどうしたら？という記事です。

結論

CSSセレクタの前方一致でどうでしょう。ポイントはdiv[class^="wrapper_content__"]の部分です！

package main

import (
	"fmt"
	"strings"

	"github.com/PuerkitoBio/goquery"
)

func main() {
	html := `<html>
  <body>
    <div class="whole_wrapper_content__xyz">
        <div>1</div>
        <div class="wrapper_content__abcdef">2</div>
        <div>3</div>
    </div>
  </body>
</html>
`
	doc, _ := goquery.NewDocumentFromReader(strings.NewReader(html))

    // 前方一致 ^= を使って、クラス名がwrapper_から始まるものを選ぶ
	sel := doc.Find(`div[class^="wrapper_content__"]`).First()
	fmt.Println(sel.Text())
}

playgroundはこちら。
https://go.dev/play/p/qBLHN6sJGc4

もうあまり書くことはないけどメモ

goqueryなどのパッケージではCSSセレクタなどを使って要素を指定しますね。私自身は今までa#idなどの単純な指定しかしたことがなかったのですが、CSSセレクタをちゃんと理解すればもう少し高度な指定ができるんですね。

CSSセレクタ、不勉強なので詳しくないのですが、本記事に書いたような前方一致は以下に紹介されています。

MDN:属性セレクター

前方一致の他にも、大文字・小文字の扱いも指定できたりするんですね。

MDNのサイトから引用

/* URL のどこかに "insensitive" が含まれるリンクで、
   大文字小文字は区別しない */
a[href*="insensitive" i] {
  color: cyan;
}

おわりに

意外なところでCSSの勉強に繋がりました。奥が深い…！（浅い感想）

GitHubで編集を提案

この記事は何

結論

もうあまり書くことはないけどメモ

おわりに

Discussion