クイックスタート
インストール
bash
go get github.com/cybergodev/htmlGo 1.25+ が必要です。
基本的な抽出
HTML バイトからコンテンツを抽出します：
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 は静的型付けのコンパイル言語です。</p>
<img src="gopher.png" alt="Gopher" />
<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("画像数：", len(result.Images))
fmt.Println("リンク数：", len(result.Links))
fmt.Println("単語数：", result.WordCount)
}出力：
text
タイトル：Go 言語チュートリアル
本文：Go 入門ガイド
Go は静的型付けのコンパイル言語です。
Go 公式サイト
画像数：1
リンク数：1
単語数：6ファイルから抽出
go
result, err := html.ExtractFromFile("page.html")
if err != nil {
log.Fatal(err)
}設定の使用
Config で抽出動作をカスタマイズします：
go
cfg := html.MarkdownConfig()
p, err := html.New(cfg)
if err != nil {
log.Fatal(err)
}
defer p.Close()
result, err := p.Extract(data)プリセット設定
| プリセット | 関数 | 説明 |
|---|---|---|
| デフォルト | DefaultConfig() | バランスの取れた設定、一般的な用途に適しています |
| テキストのみ | TextOnlyConfig() | プレーンテキストのみ抽出、メディアを無効化 |
| Markdown | MarkdownConfig() | Markdown 出力に最適化 |
| 高セキュリティ | HighSecurityConfig() | 厳格な制限、完全な監査 |
出力フォーマット
go
// プレーンテキスト
text, err := html.ExtractText(data)
// Markdown
md, err := html.ExtractToMarkdown(data)
// JSON
jsonBytes, err := html.ExtractToJSON(data)コンテキストサポート
すべての関数に ExtractWithContext バージョンがあり、キャンセルとタイムアウトをサポートします：
go
ctx, cancel := context.WithTimeout(context.Background(), 5*time.Second)
defer cancel()
result, err := html.ExtractWithContext(ctx, data)重要なポイント
並列安全性
Processor インスタンスは並列安全で、複数の goroutine で共有して使用できます：
go
p, err := html.New(html.DefaultConfig())
if err != nil {
log.Fatal(err)
}
defer p.Close()
// 複数の goroutine で安全に呼び出し
var wg sync.WaitGroup
for _, url := range urls {
wg.Add(1)
go func(u string) {
defer wg.Done()
result, err := p.Extract(fetchHTML(u))
// ...
}(url)
}
wg.Wait()パッケージ関数も並列安全です（内部で Processor プールを使用）。
エンコーディング検出
ライブラリは HTML エンコーディングを自動検出するため、手動処理は不要です：
go
// GBK エンコーディングの HTML、自動検出して正しく抽出
result, err := html.Extract(gbkData)
// Config.Encoding で手動指定も可能
cfg := html.DefaultConfig()
cfg.Encoding = "gbk"UTF-8、GBK、GB18030、Shift_JIS、EUC-JP、Windows-1252 など 15+ エンコーディングをサポートしています。
次のステップ
- コンテンツ抽出の実践 - 抽出フローと記事認識の深い理解
- 出力フォーマットの選択 - 用途に合った出力フォーマットの選択
- Processor 再利用とキャッシュ - 高頻度呼び出しのパフォーマンス最適化
- チートシート - よく使う API クイックリファレンス