html-query：终极HTML数据提取工具，像jq一样轻松解析网页内容

【免费下载链接】html-queryjq, but for HTML项目地址: https://gitcode.com/gh_mirrors/ht/html-query

html-query（简称hq）是一款终极HTML数据提取工具，它将jq的简洁查询能力带入HTML解析领域，让开发者和数据分析师能够通过类JSON的语法轻松提取网页内容。无论是抓取新闻标题、解析表格数据还是提取链接信息，html-query都能以直观的方式完成复杂的HTML数据提取任务。

🌟 为什么选择html-query？

传统的HTML解析往往需要编写大量代码来遍历DOM树，而html-query创新性地将CSS选择器与JSON结构结合，只需几行查询语句就能完成复杂的数据提取。正如项目描述中所说："jq, but for HTML"，它让HTML数据提取变得和处理JSON一样简单高效。

html-query命令行使用示例

🚀 快速安装指南

html-query提供两种简单的安装方式，满足不同系统需求：

🍎 macOS用户（Homebrew）

brew install hq

🦀 跨平台安装（Cargo）

cargo install html-query

💡 核心功能与语法

🔍 基础选择器语法

html-query使用类JSON结构定义提取规则，其中值部分为CSS选择器：

{posts: .athing | [ {title: .titleline > a, url: .titleline > a | @(href)} ] }

这个查询会选择所有.athing元素，提取其中的标题文本和链接地址，最终生成结构化JSON数据。

✨ 特殊查询语法

文本提取

.foo | @text // 提取.foo元素的文本内容

属性提取

.foo | @(href) // 提取.foo元素的href属性值

层级关系

.foo | @parent // 获取父元素 .foo | @sibling(1) // 获取下一个兄弟元素

📚 实用示例：Hacker News数据提取

以下查询可以完整提取Hacker News的文章信息，包括标题、链接、作者和发布时间：

{ posts: .athing | [ { href: .titleline > a | @(href), title: .titleline > a, meta: @sibling(1) | { user: .hnuser, posted: .age | @(title) } } ] }

执行后将得到清晰的JSON结构：

{ "posts": [ { "title": "示例标题", "url": "https://example.com", "meta": { "posted": "2小时前", "user": "username" } } ] }

🛠️ 项目结构

html-query采用Rust语言开发，项目结构清晰，主要包含以下核心组件：

• 核心库：crates/html-query/
• AST模块：crates/html-query-ast/
• 提取器：crates/html-query-extractor/
• Web界面：crates/html-query-web-ui/

🔖 总结

html-query凭借其简洁的语法和强大的功能，彻底改变了HTML数据提取的方式。无论是开发者日常工作中的数据采集需求，还是数据分析师的网页信息提取任务，这款工具都能大幅提升工作效率。现在就通过cargo install html-query安装体验，开启你的高效HTML数据提取之旅吧！

【免费下载链接】html-queryjq, but for HTML项目地址: https://gitcode.com/gh_mirrors/ht/html-query