链接提取

独立的链接提取 API，可从 HTML 中提取所有链接资源并按类型分组。

与 Extract 的关键区别

ExtractAllLinks 不会应用 HTML 清洗（EnableSanitization 在此无效），因此位于 <script src>、<iframe>、<link>、<embed> 等标签中的资源链接也会被完整提取。这是为了让这些资源链接能够被枚举出来——它们在 Extract 路径中通常会被清洗过程移除。

结果排序与去重

ExtractAllLinks 返回的结果按 URL 升序排列，并按 URL 去重。因此对相同输入多次调用会得到完全一致的输出（自 v1.4.2 起），便于结果比较、缓存复用与可重现的下游处理。同一 URL 出现在多个标签中时仅保留一条记录。

包函数

func ExtractAllLinks(htmlBytes []byte, cfg ...Config) ([]LinkResource, error)
func ExtractAllLinksFromFile(filePath string, cfg ...Config) ([]LinkResource, error)
func ExtractAllLinksWithContext(ctx context.Context, htmlBytes []byte, cfg ...Config) ([]LinkResource, error)
func ExtractAllLinksFromFileWithContext(ctx context.Context, filePath string, cfg ...Config) ([]LinkResource, error)

Processor 方法

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)

分组工具

GroupLinksByType

按链接类型分组。

func GroupLinksByType(links []LinkResource) map[string][]LinkResource

links, _ := html.ExtractAllLinks(data)
groups := html.GroupLinksByType(links)

for typ, items := range groups {
    fmt.Printf("类型 %s: %d 个\n", typ, len(items))
}

LinkResource

type LinkResource struct {
    URL   string // 链接地址
    Title string // 链接标题
    Type  string // 链接类型（link, image, video, audio, media, css, js, icon）
}

配置

链接提取行为可通过 Config 的链接过滤字段控制：

cfg := html.DefaultConfig()
cfg.IncludeImages = true
cfg.IncludeCSS = true
cfg.IncludeJS = true
cfg.IncludeExternalLinks = true
cfg.ResolveRelativeURLs = true
cfg.BaseURL = "https://example.com"

BaseURL 自动检测

当 ResolveRelativeURLs=true 且 BaseURL 为空时，库会从 HTML 文档本身自动推导 BaseURL，按以下优先级逐项尝试，命中即返回：

<base href> 标签；
<meta property="og:url"> 或 <meta property="canonical"> 的 content；
<link rel="canonical" href>；
文档中出现的首个绝对 URL（从其 href/src 提取 base）。

显式设置 BaseURL 会跳过自动检测，优先使用调用方提供的值。

链接提取 ​

包函数 ​

Processor 方法 ​

分组工具 ​

GroupLinksByType ​

LinkResource ​

配置 ​

链接提取

包函数

Processor 方法

分组工具

GroupLinksByType

LinkResource

配置