展开菜单
首页 精品内容 本月促销 装机必备 Windows PDF教程 macOS软件 IOS软件 Android AI 专题
全部分类
系统应用 编程开发 硬件相关 软件教程 使用技巧 正版软件

当前位置：

首页 > 编程开发 > Golang解析HTML方法详解

Golang解析HTML方法详解

作者：SunnyJourney 时间：2026-03-09 浏览：2

必须先调用html.Parse()或html.ParseFragment()构建DOM树，不可直接操作html.Node；Parse用于完整HTML文档，需io.Reader输入；ParseFragment适用于HTML片段。

本文目录

    必须先调用 html.Parse() 或 html.ParseFragment() 构建 DOM 树，不可直接操作 html.Node；Parse 用于完整 HTML 文档，需 io.Reader 输入；ParseFragment 适用于 HTML 片段。

    如何在Golang中解析HTML页面_Golang net/html HTML解析方法

    用 net/html 解析 HTML 时，必须先调用 html.Parse() 获取根节点

    直接对原始 HTML 字符串调用 html.Node 相关操作会 panic，因为没有解析器上下文。必须先通过 html.Parse() 或 html.ParseFragment() 构建 DOM 树。

    • html.Parse() 用于完整 HTML 文档（含 、 等），输入需是 io.Reader，常见用法：
      doc, err := html.Parse(strings.NewReader(htmlStr))
if err != nil {
    log.Fatal(err)
}
    • html.ParseFragment() 适合解析片段（如仅
      ...
      ），需传入一个“上下文节点”（如 &html.Node{Type: html.ElementNode, Data: "body"}），否则可能丢节点或 panic
    • 注意：解析器不校验编码，默认按 UTF-8 处理；若 HTML 声明为 gbk 或 utf-8 但实际字节非 UTF-8，会读出乱码甚至提前截断

    遍历节点时，node.Type 比 node.Data 更可靠

    很多新手误以为查 node.Data == "div" 就能定位元素，但 Data 在不同 Type 下含义不同：文本节点存内容，注释节点存注释文字，元素节点才存标签名。漏判 Type 会导致逻辑错位或空指针。

    • 关键类型常量：html.ElementNode（标签）、html.TextNode（文本）、html.CommentNode（注释）、html.DoctypeNode（doctype）
    • 安全遍历示例：
      func findDivs(n *html.Node) {
    if n.Type == html.ElementNode && n.Data == "div" {
        // 处理 div 元素
        fmt.Println("found div")
    }
    for c := n.FirstChild; c != nil; c = c.NextSibling {
        findDivs(c)
    }
}
    • 不要依赖 n.DataAtom —— 它是内部优化字段，未导出且仅在特定构建下有效，跨平台或新版 Go 可能失效

    node.Attr 是切片，查属性必须遍历，没有 GetAttribute() 这种方法

    Go 的 net/html 不提供类似 jQuery 的 attr("href") 便捷接口，所有属性访问都得手动循环 node.Attr 切片比对 Key。

    • 常见错误：写成 node.Attr["href"] —— 编译失败，因为 Attr 是 []html.Attribute 类型，不是 map
    • 正确写法：
      func getHref(n *html.Node) (href string) {
    for _, a := range n.Attr {
        if a.Key == "href" {
            href = a.Val
            break
        }
    }
    return href
}
    • 注意大小写：HTML 属性名不区分大小写，但 net/html 不做归一化，"HREF" 和 "href" 被视为不同 key；生产环境建议统一转小写再比较

    解析后不调用 html.Render() 就无法还原 HTML 字符串

    如果你从网页提取结构后想拼回 HTML 片段（比如清洗后重新生成），不能靠字符串拼接，必须用 html.Render() 写入 io.Writer。否则丢失转义、闭合逻辑、自闭合标签处理（如 ）等细节。