百木园学习一门新的编程语言的最佳途径就是用它来编写一个实用程序。
在 “博客备份” 一文中，编写了两个 python 脚本，然后使用一个命令行将博客备份流程串联起来。这里，我们将使用 Go 来实现。
不太熟悉 Go 语言的读者，可以阅读之前写的两篇文章：“Go语言初尝”，“Go 面向对象简明教程”。
整体设计
设计五个 go 函数，分别实现如下功能：
- GetFiles: 从命令行参数获取博文备份文件路径。
- ReadXml: 读取博客备份文件内容（XML格式），返回博文对象。
- GetMdLinks：从博文对象中取出博文链接对象数组。
- WriteMarkdown： 根据博文链接对象，下载 HTML 文件，并转换成 markdown 文件。
- SequentialRun： 使用串行方式，将以上函数串联成一个完整的流程。
为了避免重复在文中粘贴代码，先给出完整程序，读者可以先概览一遍，复制出来，对照解读来看。程序解读会比较简洁，不太明白的地方可以留言哈。
文件内容
为了调试程序，我们仅选取两篇博文内容组成 XML 文件。
/tmp/cnblogs_backup.xml
<?xml version=\"1.0\" encoding=\"utf-8\" standalone=\"yes\"?>
<rss version=\"2.0\"
xmlns:dc=\"http://purl.org/dc/elements/1.1/\"
xmlns:trackback=\"http://madskills.com/public/xml/rss/module/trackback/\"
xmlns:wfw=\"http://wellformedweb.org/CommentAPI/\"
xmlns:slash=\"http://purl.org/rss/1.0/modules/slash/\">
<channel>
<title>博客园-编程大观园</title>
<link>https://www.cnblogs.com/lovesqcc/</link>
<description>Enjoy programming, Enjoy life ~~~ 设计，诗歌与爱</description>
<language>zh-cn</language>
<lastBuildDate>Tue, 07 Feb 2023 14:39:24 GMT</lastBuildDate>
<pubDate>Tue, 07 Feb 2023 14:39:24 GMT</pubDate>
<ttl>60</ttl>
<item>
<title>专业精进之路：构建扎实而有实效的编程知识体系</title>
<link>http://www.cnblogs.com/lovesqcc/archive/2023/02/01/17084292.html</link>
<dc:creator>琴水玉</dc:creator>
<author>琴水玉</author>
<pubDate>Wed, 01 Feb 2023 14:05:00 GMT</pubDate>
<guid>http://www.cnblogs.com/lovesqcc/archive/2023/02/01/17084292.html</guid>
<description>
<![CDATA[ blog content ]]>
</description>
</item>
<item>
<title>知乎一答：什么样的知识是有价值的</title>
<link>http://www.cnblogs.com/lovesqcc/archive/2023/01/29/17072238.html</link>
<dc:creator>琴水玉</dc:creator>
<author>琴水玉</author>
<pubDate>Sun, 29 Jan 2023 03:29:00 GMT</pubDate>
<guid>http://www.cnblogs.com/lovesqcc/archive/2023/01/29/17072238.html</guid>
<description>
<![CDATA[ blog content ]]>
</description>
</item>
</channel>
</rss>
完整程序
执行:
go run blog_backup.go /tmp/cnblogs_backup.xml
或者
go build blog_backup.go
./blog_backup /tmp/cnblogs_backup.xml
blog_backup.go
package main
import (
\"fmt\"
\"os\"
\"strings\"
\"encoding/xml\"
\"io/ioutil\"
\"net/http\"
\"github.com/PuerkitoBio/goquery\"
\"github.com/JohannesKaufmann/html-to-markdown\"
)
type BlogRss struct {
XMLName xml.Name `xml:\"rss\"`
Channel *BlogChannel `xml:channel`
}
type BlogChannel struct {
XMLName xml.Name `xml:\"channel\"`
Title string `xml:\"title\"`
Link string `xml:\"link\"`
Description string `xml:\"description\"`
Language string `xml:\"language\"`
LastBuildDate string `xml:\"lastBuildDate\"`
PubDate string `xml:\"pubDate\"`
Ttl int `xml:\"ttl\"`
Items []BlogItem `xml:\"item\"`
}
type BlogItem struct {
Title string `xml:\"title\"`
Link string `xml:\"link\"`
Creator string `xml:\"dc:creator\"`
Author string `xml:\"author\"`
PubDate string `xml:\"pubDate\"`
guid string `xml:\"guid\"`
Description string `xml:description`
}
type MarkdownFile struct {
Title string
Link string
}
func ReadXml(fpath string) (*BlogRss, error) {
fp,err := os.Open(fpath)
if err != nil {
fmt.Printf(\"error open file: %s error: %v\", fp, err)
return nil, err
}
defer fp.Close()
data, err := ioutil.ReadAll(fp)
if err != nil {
fmt.Printf(\"error read file: %s error: %v\", fpath, err)
return nil, err
}
blogRss := BlogRss{}
err = xml.Unmarshal(data, &blogRss)
if err != nil {
fmt.Printf(\"error unmarshal xml data: %v error: %v\", data, err)
return nil, err
}
blogchannelp := blogRss.Channel
fmt.Printf(\"%+v\\n\", *blogchannelp)
blogitems := (*blogchannelp).Items
for _, item := range blogitems {
fmt.Printf(\"%+v\\n\", item)
}
return &blogRss, nil
}
func GetMdLinks(blogRss *BlogRss) []MarkdownFile {
blogchannelp := blogRss.Channel
blogitems := (*blogchannelp).Items
mdlinks := make([]MarkdownFile, 0)
for _, item := range blogitems {
mdlinks = append(mdlinks, MarkdownFile{Title: item.Title, Link: item.Link})
}
return mdlinks
}
func GetMdLinksPtr(blogRss *BlogRss) *[]MarkdownFile {
blogchannelp := blogRss.Channel
blogitems := (*blogchannelp).Items
mdlinks := make([]MarkdownFile, 0)
for _, item := range blogitems {
mdlinks = append(mdlinks, MarkdownFile{Title: item.Title, Link: item.Link})
}
return &mdlinks
}
func WriteMarkdown(mdlink MarkdownFile) {
urllink := mdlink.Link
filename := mdlink.Title
resp, err := http.Get(urllink)
if err != nil {
fmt.Printf(\"error get url: %s error: %v\", urllink, err)
}
doc, err := goquery.NewDocumentFromReader(resp.Body)
if err != nil {
fmt.Printf(\"err: %v\", err)
}
postbody := doc.Find(\"#cnblogs_post_body\")
fmt.Printf(\"%s\\n\", postbody.Text())
converter := md.NewConverter(\"\", true, nil)
markdown, err := converter.ConvertString(postbody.Text())
if err != nil {
fmt.Printf(\"err parse html: %v\", err)
}
ioutil.WriteFile(filename + \".md\", []byte(markdown), 0666)
resp.Body.Close()
}
func SequentialRunMultiple(files []string) {
for _, f := range files {
SequentialRun2(f)
}
}
func SequentialRun(fpath string) {
blogRssp, err := ReadXml(fpath)
if err != nil {
os.Exit(2)
}
mdlinks := GetMdLinks(blogRssp)
for _, mdlink := range mdlinks {
linktrimed := strings.Trim(mdlink.Link, \" \")
if linktrimed == \"\" {
continue
}
WriteMarkdown(mdlink)
}
}
func SequentialRun2(fpath string) {
blogRssp, err := ReadXml(fpath)
if err != nil {
os.Exit(2)
}
mdlinksptr := GetMdLinksPtr(blogRssp)
for i:=0 ; i<len(*mdlinksptr); i++ {
linktrimed := strings.Trim((*mdlinksptr)[i].Link, \" \")
if linktrimed == \"\" {
continue
}
WriteMarkdown((*mdlinksptr)[i])
}
}
func GetFiles() []string {
fpaths := make([]string, 0)
for _, arg := range os.Args[1:] {
argtrimed := strings.Trim(arg, \" \")
if argtrimed == \"\" {
continue
}
fpaths = append(fpaths, argtrimed)
}
fmt.Println(cap(fpaths))
fmt.Println(fpaths)
return fpaths
}
func main() {
SequentialRunMultiple(GetFiles())
}
GetFiles
GetFiles 的作用是从命令行参数获取博客备份文件。支持读取多个博客备份文件。也可以用于测试。比如测试文件不存在的情形。
这里有一个习惯用法。掌握习惯用法，初学者可以很快上手一门新语言。_ 表示用不到，可以忽略这个值。习惯性打印日志，有利于快速排错。
送给编程初学者一句忠告：打几行日志很廉价，但你的时间价值千金。
for _, arg := range os.Args[1:] {
}
ReadXML
解析 XML 的函数见： ReadXml。这里的重点是，要建立与 XML 内容结构对应的 struct 。
要点如下：
- XMLName xml.Name 要定义的元素是包含整个 XML 内容的顶层元素（除开 xml 元素外）。比如，这个 xml 文件的顶层元素是 rss，那么需要定义：XMLName xml.Name
xml:\"rss\"。其下是这个 XML 嵌套的具体元素内容。
type BlogRss struct {
XMLName xml.Name `xml:\"rss\"`
Channel *BlogChannel `xml:channel`
}
- 根据嵌套内容结构，定义对应的嵌套对象：BlogRss => BlogChannel => BlogItem。 每个 struct 对象的属性就是这个对象的子元素。属性首字母大写，是为了能够直接引用对象的字段。
- `xml:\"item\"` 不要写成 `xml:item` 。 item 要用双引号包起来，不然会解析不出来。
GetMdLinks
这个主要就是结构体遍历操作。对于大量博文来说，直接传入结构体对象切片是开销较大的，可以改成结构体切片指针类型。相应地，可替换成 GetMdLinksPtr 和 SequentialRun2 函数。
注意，go 数组指针不支持指针运算。因此，使用数组指针遍历数组，没有采用 range 方式。
WriteMarkdown
这个函数根据指定链接，下载 HTML 文件，使用 goquery 解析出 HTML 博文内容块，然后使用 html-to-markdown 来生成 Markdown 文件。
基本就是搜索网上相关程序，拼接而成。因此，知识信息搜索能力还是很重要滴。
SequentialRun
这个函数的作用就是串联逻辑以上逻辑单元，构建完整流程。
这里展示了程序模块化的优势。当每个逻辑单元设计成短小而正交的，那么整个流程看起来会很清晰。对于编程初学者，这一点尤为重要。
报错及解决
Go初学者容易犯的错误
- 习惯于写 links = xxx。 报错：undefined: links。 应该写成 links := xxx 。 Go 的赋值语句是 := 。
- 未使用的变量。报错：b declared and not used。 Go 不允许变量定义了但未使用，否则报编译错误。
- 变量声明顺序写反。报错：syntax error: unexpected ], expected operand。这是因为，make([]string, 32) 写成了 make(string[], 32)。变量声明顺序是 变量名 变量类型。
- 变量名和方法名大写，表示变量和方法的包可见权限。很多习惯于写 C 和 Java 的人需要一个适应过程。
- 丢掉返回值。append(links, item.Link) 。报错： append(links, item.Link) (value of type []string) is not used。这是因为 append 返回一个切片，而这个切片被丢弃了。需要写成： links = append(links, item.Link)。
- 不允许导入未使用的包。 报错：\"github.com/JohannesKaufmann/html-to-markdown\" imported as md and not used
- 多重赋值错误。 报错：Go assignment mismatch: 1 variable but converter.ConvertString returns 2 values。Go 的很多方法都定义了多个返回值，因为要包含错误信息 err。需要写成 markdown, err := converter.ConvertString(postbody.Text())。
- 方法签名的变量定义写错。比如 func SequentialRunMultiple(files []string) 写成了 func SequentialRunMultiple(files) 或者写成了 func SequentialRunMultiple(string[] files) 或者写成了 func SequentialRunMultiple([]string files)。这几种我都犯过了。
Go 的语法可以说是一个“大杂烩”。虽然融合了很多语言的优点，但感觉缺乏一致性。为了编译省事，把很多负担都转移给了开发者。虽说部分做法初衷是好的。作为一位熟悉多门编程语言的多年开发者，我也感觉不太适应，很容易写错。需要一点时间扭转过来。语言使用的不适应感，会阻滞这门语言的快速普及化。将来再出现一门更易于使用的编程语言，这门语言虽然有先发优势，也会被埋没成为小众语言，即使是大牛操刀而成。
依赖报错及解决
与 python 相比， Go 的依赖管理也令人不满意。python 只要安装了 pip，使用 pip install 安装模块，就可以直接使用了。而 Go 报各种问题，且报错不友好，需要去了解详细信息，对初学者不友好。
引入 goquery 后执行 go run blog_backup.go 报错：
go run blog_backup.go
blog_backup.go:9:5: no required module provides package github.com/PuerkitoBio/goquery: go.mod file not found in current directory or any parent directory; see \'go help modules\'
安装 goquery，执行如下命令报错:
➜ basic go get -u github.com/PuerkitoBio/goquery
go: go.mod file not found in current directory or any parent directory.
\'go get\' is no longer supported outside a module.
To build and install a command, use \'go install\' with a version,
like \'go install example.com/cmd@latest\'
For more information, see https://golang.org/doc/go-get-install-deprecation
or run \'go help get\' or \'go help install\'.
执行 如下命令又报错：
➜ basic go install github.com/PuerkitoBio/goquery@latest
go: downloading github.com/PuerkitoBio/goquery v1.8.1
go: downloading github.com/andybalholm/cascadia v1.3.1
go: downloading golang.org/x/net v0.7.0
package github.com/PuerkitoBio/goquery is not a main package
解决办法：退回到 go 项目根目录 gostudy，执行：
go mod init gostudy
go get github.com/PuerkitoBio/goquery
go get github.com/JohannesKaufmann/html-to-markdown
小结
本文采用 Go 语言实现了博客备份。学习一门新的编程语言的最佳途径就是用它来编写一个实用程序，尽可能用到大部分语言特性。
是否有必要学习多种编程语言？学习这么多编程语言又有什么益处？ “学习多种编程语言的益处”给出了一些思考。“如何掌握一门编程语言的运用 ”给出了学习一门新编程语言的基本步骤和建议。
就学习Go而言，我接触时间并不长，总计只花了不到一周，而且四天都是在写实用程序，语法熟悉大概两天左右。因为我之前学习和使用过 C, Java, Python, Javascript, Shell, Groovy, Scala，HTML，甚至还接触过 Ruby, CommonLisp，所以，对于 Go 的语法和做法的适应还是很快的（语法不新鲜）。“见多识广”，自然对一门新语言的适应期会快速缩短。这也是学习多种编程语言的益处。
参考文献
- The Go Programming Language
- Go XML处理
- go解析xml的三种方式
- 深度解密Go语言之Slice
- Golang文件写入的四种方式
来源：https://www.cnblogs.com/lovesqcc/p/17156149.html
本站部分图文来源于网络，如有侵权请联系删除。