163 lines
5.8 KiB
Markdown
163 lines
5.8 KiB
Markdown
## 5.2. 递归
|
||
|
||
函数可以是递归的，这意味着函数可以直接或间接的调用自身。对许多问题而言，递归是一种强有力的技术，例如处理递归的数据结构。在4.4节，我们通过遍历二叉树来实现简单的插入排序，在本章节，我们再次使用它来处理HTML文件。
|
||
|
||
下文的示例代码使用了非标准包 golang.org/x/net/html ，解析HTML。golang.org/x/... 目录下存储了一些由Go团队设计、维护，对网络编程、国际化文件处理、移动平台、图像处理、加密解密、开发者工具提供支持的扩展包。未将这些扩展包加入到标准库原因有二，一是部分包仍在开发中，二是对大多数Go语言的开发者而言，扩展包提供的功能很少被使用。
|
||
|
||
例子中调用golang.org/x/net/html的部分api如下所示。html.Parse函数读入一组bytes解析后，返回html.Node类型的HTML页面树状结构根节点。HTML拥有很多类型的结点如text（文本）、comments（注释）类型，在下面的例子中，我们 只关注< name key='value' >形式的结点。
|
||
|
||
<u><i>golang.org/x/net/html</i></u>
|
||
```Go
|
||
package html
|
||
|
||
type Node struct {
|
||
Type NodeType
|
||
Data string
|
||
Attr []Attribute
|
||
FirstChild, NextSibling *Node
|
||
}
|
||
|
||
type NodeType int32
|
||
|
||
const (
|
||
ErrorNode NodeType = iota
|
||
TextNode
|
||
DocumentNode
|
||
ElementNode
|
||
CommentNode
|
||
DoctypeNode
|
||
)
|
||
|
||
type Attribute struct {
|
||
Key, Val string
|
||
}
|
||
|
||
func Parse(r io.Reader) (*Node, error)
|
||
```
|
||
|
||
main函数解析HTML标准输入，通过递归函数visit获得links（链接），并打印出这些links：
|
||
|
||
<u><i>gopl.io/ch5/findlinks1</i></u>
|
||
```Go
|
||
// Findlinks1 prints the links in an HTML document read from standard input.
|
||
package main
|
||
|
||
import (
|
||
"fmt"
|
||
"os"
|
||
|
||
"golang.org/x/net/html"
|
||
)
|
||
|
||
func main() {
|
||
doc, err := html.Parse(os.Stdin)
|
||
if err != nil {
|
||
fmt.Fprintf(os.Stderr, "findlinks1: %v\n", err)
|
||
os.Exit(1)
|
||
}
|
||
for _, link := range visit(nil, doc) {
|
||
fmt.Println(link)
|
||
}
|
||
}
|
||
```
|
||
|
||
visit函数遍历HTML的节点树，从每一个anchor元素的href属性获得link,将这些links存入字符串数组中，并返回这个字符串数组。
|
||
|
||
```Go
|
||
// visit appends to links each link found in n and returns the result.
|
||
func visit(links []string, n *html.Node) []string {
|
||
if n.Type == html.ElementNode && n.Data == "a" {
|
||
for _, a := range n.Attr {
|
||
if a.Key == "href" {
|
||
links = append(links, a.Val)
|
||
}
|
||
}
|
||
}
|
||
for c := n.FirstChild; c != nil; c = c.NextSibling {
|
||
links = visit(links, c)
|
||
}
|
||
return links
|
||
}
|
||
```
|
||
|
||
为了遍历结点n的所有后代结点，每次遇到n的孩子结点时，visit递归的调用自身。这些孩子结点存放在FirstChild链表中。
|
||
|
||
让我们以Go的主页（golang.org）作为目标，运行findlinks。我们以fetch（1.5章）的输出作为findlinks的输入。下面的输出做了简化处理。
|
||
|
||
```
|
||
$ go build gopl.io/ch1/fetch
|
||
$ go build gopl.io/ch5/findlinks1
|
||
$ ./fetch https://golang.org | ./findlinks1
|
||
#
|
||
/doc/
|
||
/pkg/
|
||
/help/
|
||
/blog/
|
||
http://play.golang.org/
|
||
//tour.golang.org/
|
||
https://golang.org/dl/
|
||
//blog.golang.org/
|
||
/LICENSE
|
||
/doc/tos.html
|
||
http://www.google.com/intl/en/policies/privacy/
|
||
```
|
||
|
||
注意在页面中出现的链接格式，在之后我们会介绍如何将这些链接，根据根路径（ https://golang.org ）生成可以直接访问的url。
|
||
|
||
在函数outline中，我们通过递归的方式遍历整个HTML结点树，并输出树的结构。在outline内部，每遇到一个HTML元素标签，就将其入栈，并输出。
|
||
|
||
<u><i>gopl.io/ch5/outline</i></u>
|
||
```Go
|
||
func main() {
|
||
doc, err := html.Parse(os.Stdin)
|
||
if err != nil {
|
||
fmt.Fprintf(os.Stderr, "outline: %v\n", err)
|
||
os.Exit(1)
|
||
}
|
||
outline(nil, doc)
|
||
}
|
||
func outline(stack []string, n *html.Node) {
|
||
if n.Type == html.ElementNode {
|
||
stack = append(stack, n.Data) // push tag
|
||
fmt.Println(stack)
|
||
}
|
||
for c := n.FirstChild; c != nil; c = c.NextSibling {
|
||
outline(stack, c)
|
||
}
|
||
}
|
||
```
|
||
|
||
有一点值得注意：outline有入栈操作，但没有相对应的出栈操作。当outline调用自身时，被调用者接收的是stack的拷贝。被调用者对stack的元素追加操作，修改的是stack的拷贝，其可能会修改slice底层的数组甚至是申请一块新的内存空间进行扩容；但这个过程并不会修改调用方的stack。因此当函数返回时，调用方的stack与其调用自身之前完全一致。
|
||
|
||
下面是 https://golang.org 页面的简要结构:
|
||
|
||
```
|
||
$ go build gopl.io/ch5/outline
|
||
$ ./fetch https://golang.org | ./outline
|
||
[html]
|
||
[html head]
|
||
[html head meta]
|
||
[html head title]
|
||
[html head link]
|
||
[html body]
|
||
[html body div]
|
||
[html body div]
|
||
[html body div div]
|
||
[html body div div form]
|
||
[html body div div form div]
|
||
[html body div div form div a]
|
||
...
|
||
```
|
||
|
||
正如你在上面实验中所见，大部分HTML页面只需几层递归就能被处理，但仍然有些页面需要深层次的递归。
|
||
|
||
大部分编程语言使用固定大小的函数调用栈，常见的大小从64KB到2MB不等。固定大小栈会限制递归的深度，当你用递归处理大量数据时，需要避免栈溢出；除此之外，还会导致安全性问题。与此相反，Go语言使用可变栈，栈的大小按需增加（初始时很小）。这使得我们使用递归时不必考虑溢出和安全问题。
|
||
|
||
**练习 5.1：** 修改findlinks代码中遍历n.FirstChild链表的部分，将循环调用visit，改成递归调用。
|
||
|
||
**练习 5.2：** 编写函数，记录在HTML树中出现的同名元素的次数。
|
||
|
||
**练习 5.3：** 编写函数输出所有text结点的内容。注意不要访问`<script>`和`<style>`元素，因为这些元素对浏览者是不可见的。
|
||
|
||
**练习 5.4：** 扩展visit函数，使其能够处理其他类型的结点，如images、scripts和style sheets。
|