我正在编写一个Go函数来读取HTML响应体并提取页面标题。总的来说,该函数运行得很好,但我想测试响应体根本不是正确HTML的代码路径。我为单元测试创建一些无效HTML的简单尝试都失败了。
显然,根据
html.Parse
documentation
,这是因为:
HTML5解析算法[]非常复杂。结果树可以包含隐式创建的节点,这些节点没有显式
<tag>
列在r的数据中,节点的父节点可能不同于初始处理开始和结束所暗示的嵌套
<标签>
s.相反,显式
<标签>
r的数据中的s可以被静默地丢弃,而在生成的树中没有相应的节点。
以下是一些代码,演示了我一直采用的方法:
https://play.golang.org/p/T5WjdtjNcqq
package main
import (
"bytes"
"fmt"
"golang.org/x/net/html"
)
func main() {
inputs := []string{ "",
"~",
"<",
"<ht",
"<html",
"<html>",
"<html><",
"<html><titl",
"<html><title",
"<html><title>",
"<html><title>The C Progr",
"<html><title>The C Programming Language",
"<html><title>The C Programming Language<",
"<html><title>The C Programming Language</",
"<html><title>The C Programming Language</ti",
"<html><title>The C Programming Language</title",
"<html><title>The C Programming Language</title>",
"<html><title>The C Programming Language</title><",
"<html><title>The C Programming Language</title></",
"<html><title>The C Programming Language</title></ht",
"<html><title>The C Programming Language</title></html",
"<html><title>The C Programming Language</title></html>",
}
for _, in := range inputs {
fmt.Printf("%s\n", in)
r := bytes.NewReader([]byte(in))
_, err := html.Parse(r)
if err != nil {
fmt.Printf("COULD NOT PARSE HTML\n")
panic(err)
}
}
}
我真傻,我本以为其中许多都会产生错误,因为从表面上看,它们是无效的HTML,但上面的代码在所有输入字符串中都没有
panic
ing——也就是说,没有非-
nil
err
从…起
html.Parse()
。
我想我很感激一个宽容/宽容的HTML解析器,但是:有人有一个文本示例在输入Go时会产生错误吗
html。解析()
?
编辑1
结合Ferrybig和CreationTribe的评论,我甚至尝试了一个巨大的随机字节流:
rand.Seed(time.Now().UnixNano())
in := make([]byte, 0)
for i := 0; i < 2147483647; i++ {
in = append(in, byte(rand.Intn(255)))
}
fmt.Printf("len(in) : %d\n", len(in))
r := bytes.NewReader(in)
_, err := html.Parse(r)
它仍然没有出错。
是否没有将导致
html。解析()
出错?
