CyberGocybergodev/html

简体中文

English
한국어
日本語
Русский

简体中文

English
한국어
日本語
Русский

主题

简体中文

English
한국어
日本語
Русский

Processor ​

Processor 是 HTML 库的核心处理引擎。相比包函数，Processor 复用内部资源（缓存、编码检测器），适合高频调用场景。

创建 ​

New ​

创建 Processor 实例，可选传入配置。

go
func New(cfg ...Config) (*Processor, error)

参数：最多一个 Config，未提供时使用 DefaultConfig()。

go
p, err := html.New(html.DefaultConfig())
if err != nil {
    log.Fatal(err)
}
defer p.Close()

内容提取 ​

Extract ​

go
func (p *Processor) Extract(htmlBytes []byte) (*Result, error)

从 HTML 字节提取内容，自动检测编码。

ExtractFromFile ​

go
func (p *Processor) ExtractFromFile(filePath string) (*Result, error)

从文件提取内容。

ExtractText ​

go
func (p *Processor) ExtractText(htmlBytes []byte) (string, error)

仅返回纯文本。

ExtractTextFromFile ​

go
func (p *Processor) ExtractTextFromFile(filePath string) (string, error)

从文件提取纯文本。

上下文版本 ​

所有提取方法都有带 ExtractWithContext 的版本：

go
func (p *Processor) ExtractWithContext(ctx context.Context, htmlBytes []byte) (*Result, error)
func (p *Processor) ExtractFromFileWithContext(ctx context.Context, filePath string) (*Result, error)
func (p *Processor) ExtractTextWithContext(ctx context.Context, htmlBytes []byte) (string, error)
func (p *Processor) ExtractTextFromFileWithContext(ctx context.Context, filePath string) (string, error)

输出格式 ​

go
func (p *Processor) ExtractToMarkdown(htmlBytes []byte) (string, error)
func (p *Processor) ExtractToMarkdownFromFile(filePath string) (string, error)
func (p *Processor) ExtractToJSON(htmlBytes []byte) ([]byte, error)
func (p *Processor) ExtractToJSONFromFile(filePath string) ([]byte, error)

带上下文版本：

go
func (p *Processor) ExtractToMarkdownWithContext(ctx context.Context, htmlBytes []byte) (string, error)
func (p *Processor) ExtractToMarkdownFromFileWithContext(ctx context.Context, filePath string) (string, error)
func (p *Processor) ExtractToJSONWithContext(ctx context.Context, htmlBytes []byte) ([]byte, error)
func (p *Processor) ExtractToJSONFromFileWithContext(ctx context.Context, filePath string) ([]byte, error)

链接提取 ​

go
func (p *Processor) ExtractAllLinks(htmlBytes []byte) ([]LinkResource, error)
func (p *Processor) ExtractAllLinksFromFile(filePath string) ([]LinkResource, error)
func (p *Processor) ExtractAllLinksWithContext(ctx context.Context, htmlBytes []byte) ([]LinkResource, error)
func (p *Processor) ExtractAllLinksFromFileWithContext(ctx context.Context, filePath string) ([]LinkResource, error)

批量处理 ​

go
func (p *Processor) ExtractBatch(htmlContents [][]byte) *BatchResult
func (p *Processor) ExtractBatchWithContext(ctx context.Context, htmlContents [][]byte) *BatchResult
func (p *Processor) ExtractBatchFiles(filePaths []string) *BatchResult
func (p *Processor) ExtractBatchFilesWithContext(ctx context.Context, filePaths []string) *BatchResult

统计与缓存 ​

GetStatistics ​

返回当前处理统计信息。

go
func (p *Processor) GetStatistics() Statistics
go
stats := p.GetStatistics()
fmt.Printf("已处理：%d, 缓存命中：%d\n",
    stats.TotalProcessed, stats.CacheHits)

ClearCache ​

清空缓存，保留累计统计。

go
func (p *Processor) ClearCache()

ResetStatistics ​

重置所有统计计数器。

go
func (p *Processor) ResetStatistics()

审计 ​

GetAuditLog ​

获取审计日志条目。

go
func (p *Processor) GetAuditLog() []AuditEntry

ClearAuditLog ​

清空审计日志。

go
func (p *Processor) ClearAuditLog()

生命周期 ​

Close ​

释放 Processor 持有的资源。使用完毕后必须调用。

go
func (p *Processor) Close() error
go
p, _ := html.New(cfg)
defer p.Close()
// ... 使用 p 进行提取