基本サンプル
基本的な抽出
HTML バイトからタイトル、本文、メディア情報を抽出します：
go
package main
import (
"fmt"
"log"
"github.com/cybergodev/html"
)
func main() {
data := []byte(`<html>
<head><title>Go 言語チュートリアル</title></head>
<body>
<article>
<h1>Go 入門ガイド</h1>
<p>Go は Google が開発したオープンソースプログラミング言語です。</p>
<img src="gopher.png" alt="Gopher マスコット" />
<a href="https://go.dev">Go 公式サイト</a>
</article>
</body>
</html>`)
result, err := html.Extract(data)
if err != nil {
log.Fatal(err)
}
fmt.Println("タイトル：", result.Title)
fmt.Println("本文：", result.Text)
fmt.Println("単語数：", result.WordCount)
fmt.Println("読了時間：", result.ReadingTime)
// 出力：
// タイトル：Go 言語チュートリアル
// 本文：Go 入門ガイド
//
// Go は Google が開発したオープンソースプログラミング言語です。
//
// Go 公式サイト
// 単語数：8
// 読了時間：2.4s
}ファイルから抽出
go
result, err := html.ExtractFromFile("article.html")
if err != nil {
log.Fatal(err)
}
fmt.Println(result.Title)テキストのみ抽出
go
text, err := html.ExtractText(data)
if err != nil {
log.Fatal(err)
}
fmt.Println(text)Markdown 出力
go
md, err := html.ExtractToMarkdown(data)
if err != nil {
log.Fatal(err)
}
fmt.Println(md)リンクの抽出
go
links, err := html.ExtractAllLinks(data)
if err != nil {
log.Fatal(err)
}
for _, link := range links {
fmt.Printf("[%s] %s - %s\n", link.Type, link.Title, link.URL)
}
// タイプ別にグループ化
groups := html.GroupLinksByType(links)
for typ, items := range groups {
fmt.Printf("%s: %d 件\n", typ, len(items))
}Processor の使用
go
p, err := html.New(html.DefaultConfig())
if err != nil {
log.Fatal(err)
}
defer p.Close()
// Processor を再利用して複数ページを処理
for _, page := range pages {
result, err := p.Extract(page)
if err != nil {
log.Printf("処理に失敗: %v", err)
continue
}
fmt.Println(result.Title)
}
// 統計を確認
stats := p.GetStatistics()
fmt.Printf("処理済み：%d, キャッシュヒット：%d\n",
stats.TotalProcessed, stats.CacheHits)タイムアウト制御付き
go
ctx, cancel := context.WithTimeout(context.Background(), 5*time.Second)
defer cancel()
result, err := html.ExtractWithContext(ctx, data)
if err != nil {
log.Fatal(err)
}バッチ処理
go
pages := [][]byte{page1, page2, page3}
p, _ := html.New(html.DefaultConfig())
defer p.Close()
batch := p.ExtractBatch(pages)
fmt.Printf("成功：%d, 失敗：%d\n", batch.Success, batch.Failed)
for i, result := range batch.Results {
if result != nil {
fmt.Printf("ページ %d: %s\n", i, result.Title)
}
}JSON 出力
go
jsonBytes, err := html.ExtractToJSON(data)
if err != nil {
log.Fatal(err)
}
fmt.Println(string(jsonBytes))エンコーディング自動検出
ライブラリは 15+ 種のエンコーディング（GBK、Shift_JIS、Windows-1252 など）を自動認識するため、手動処理は不要です：
go
package main
import (
"fmt"
"log"
"github.com/cybergodev/html"
"golang.org/x/text/encoding/simplifiedchinese"
)
func main() {
// GBK エンコーディングの中国語 HTML を構築
utf8HTML := `<html><head><meta charset="gbk"><title>中文网页</title></head>
<body><article><h1>你好世界</h1><p>这是一段中文内容。</p></article></body></html>`
gbkBytes, err := simplifiedchinese.GBK.NewEncoder().Bytes([]byte(utf8HTML))
if err != nil {
log.Fatal(err)
}
// エンコーディングを自動検出して抽出
result, err := html.Extract(gbkBytes)
if err != nil {
log.Fatal(err)
}
fmt.Println("タイトル：", result.Title)
// タイトル：中文网页
fmt.Println("本文：", result.Text)
// 本文：你好世界
// 这是一段中文内容。
}メディア抽出
動画と音声のリソース情報を抽出します：
go
package main
import (
"fmt"
"log"
"github.com/cybergodev/html"
)
func main() {
data := []byte(`<html><body><article>
<h1>マルチメディアページ</h1>
<p>動画と音声の抽出例。</p>
<iframe src="https://www.youtube.com/embed/dQw4w9WgXcQ" width="560" height="315"></iframe>
<video poster="cover.jpg" width="640">
<source src="https://example.com/video.mp4" type="video/mp4">
</video>
<audio>
<source src="https://example.com/audio.mp3" type="audio/mpeg">
</audio>
</article></body></html>`)
result, err := html.Extract(data)
if err != nil {
log.Fatal(err)
}
// 動画情報
fmt.Printf("動画数：%d\n", len(result.Videos))
for i, v := range result.Videos {
fmt.Printf(" [%d] %s (Type: %s", i+1, v.URL, v.Type)
if v.Poster != "" {
fmt.Printf(", Poster: %s", v.Poster)
}
if v.Width != "" {
fmt.Printf(", W: %s", v.Width)
}
fmt.Println(")")
}
// 音声情報
fmt.Printf("音声数：%d\n", len(result.Audios))
for i, a := range result.Audios {
fmt.Printf(" [%d] %s (Type: %s)\n", i+1, a.URL, a.Type)
}
}画像とリンクフィールドへのアクセス
Result の構造化フィールドに完全にアクセスします：
go
package main
import (
"fmt"
"log"
"github.com/cybergodev/html"
)
func main() {
data := []byte(`<html><body><article>
<h1>フィールドアクセス例</h1>
<p>本文段落。<a href="https://go.dev" title="Go 公式サイト">Go</a></p>
<img src="logo.png" alt="Logo" width="200" height="100">
<a href="/about" rel="nofollow">概要</a>
</article></body></html>`)
result, err := html.Extract(data)
if err != nil {
log.Fatal(err)
}
// 画像フィールド
for _, img := range result.Images {
fmt.Printf("画像: url=%s, alt=%s, %sx%s, decorative=%v, pos=%d\n",
img.URL, img.Alt, img.Width, img.Height, img.IsDecorative, img.Position)
}
// リンクフィールド
for _, link := range result.Links {
fmt.Printf("リンク: url=%s, text=%s, external=%v, nofollow=%v, pos=%d\n",
link.URL, link.Text, link.IsExternal, link.IsNoFollow, link.Position)
}
// 統計情報
fmt.Printf("単語数：%d、読了時間：%v、処理時間：%v\n",
result.WordCount, result.ReadingTime, result.ProcessingTime)
}統計監視
Processor インスタンスで処理統計を監視します：
go
package main
import (
"fmt"
"github.com/cybergodev/html"
)
func main() {
p, _ := html.New(html.DefaultConfig())
defer p.Close()
pages := [][]byte{
[]byte(`<html><body><article><h1>ページ 1</h1><p>内容 A。</p></article></body></html>`),
[]byte(`<html><body><article><h1>ページ 2</h1><p>内容 B。</p></article></body></html>`),
[]byte(`<html><body><article><h1>ページ 1</h1><p>内容 A。</p></article></body></html>`), // 重複、キャッシュヒット
}
for _, page := range pages {
p.Extract(page)
}
stats := p.GetStatistics()
fmt.Printf("総処理：%d\n", stats.TotalProcessed)
fmt.Printf("キャッシュヒット：%d\n", stats.CacheHits)
fmt.Printf("キャッシュミス：%d\n", stats.CacheMisses)
fmt.Printf("エラー数：%d\n", stats.ErrorCount)
fmt.Printf("平均処理時間：%v\n", stats.AverageProcessTime)
hitRate := float64(0)
if stats.TotalProcessed > 0 {
hitRate = float64(stats.CacheHits) / float64(stats.TotalProcessed) * 100
}
fmt.Printf("ヒット率：%.1f%%\n", hitRate)
}