html文件批量扫描与结构校验核心是用cheerio解析dom树而非正则匹配，需递归遍历目录并跳过node_modules、.git等目录，流式读取大文件，检查doctype；htmlhint需配置--fail-on-warn或ci中加|| exit 1确保生效；htmlproofer须搭配本地http服务运行以规避file://跨域限制；自动化修复仅限语法层面，语义修正需人工介入。
HTML文件批量扫描与结构校验怎么做
核心是用 cheerio 解析 DOM 树，而不是正则匹配——后者对嵌套、注释、CDATA 块极易误判。扫描时必须递归遍历目录，但要注意跳过 node_modules、.git 和构建产物目录（如 dist、build），否则会拖慢速度甚至报错内存溢出。
常见错误现象：RangeError: Maximum call stack size exceeded——路径循环软链接未处理；ENOTDIR——遇到符号链接指向非目录项未过滤。
- 用
fs.promises.readdir+stat.isDirectory()判断类型，避免fs.readdirSync同步阻塞 - 对每个 HTML 文件做流式读取（
createReadStream），防止大文件（>10MB）OOM - 解析前先检查是否以
开头，跳过非标准文档减少无效解析
如何让 HTMLHint 在 CI 中真正生效而不被忽略
很多团队装了 htmlhint 却没效果，根本原因是检查命令退出码为 0 即使有警告——默认行为不中断流程。必须显式启用 --fail-on-warn 或在配置中设 "reporter": "checkstyle" 配合 CI 工具解析。
使用场景：GitHub Actions 中若只写 npx htmlhint "**/*.html"，即使发现 20 处 attr-lowercase 错误，job 仍显示 success。
- CI 脚本里加
|| exit 1强制失败（简单粗暴但有效） - 配置
.htmlhintrc时把"id-unique"、"alt-require"这类高风险规则设为 error 级，而非 warning - 避免全局安装
htmlhint，始终用npx htmlhint确保版本锁定
为什么 HTMLProofer 必须搭配本地 HTTP 服务运行
html-proofer 默认走文件协议（file://），会导致跨域限制：无法验证 <script src="js/app.js"></script> 是否存在，也无法检查相对路径图片（src="images/logo.png"）是否可读——浏览器拒绝加载本地资源。
性能影响：每次启动内置服务器（如 http-server）会多花 1–2 秒，但换来的是真实路径解析能力，尤其对含 <base href="/>%20%E7%9A%84%20SPA%20%E9%A1%B5%E9%9D%A2%E5%BF%85%E4%B8%8D%E5%8F%AF%E5%B0%91%E3%80%82
- %0A
- CI%20%E4%B8%AD%E7%94%A8%20
npx%20http-server%20-p%203000%20-s%20&%20%E5%90%AF%E5%90%8E%E5%8F%B0%E6%9C%8D%E5%8A%A1%EF%BC%8C%E5%86%8D%E8%B7%91%20htmlproofer%20http://localhost:3000%20--url-ignore%20"> <li>忽略第三方 CDN 链接用 <code>--url-ignore，否则网络抖动会导致误报 - 静态生成站点（如 Jekyll/Hugo 输出）必须指定
--assume-extension，否则/about这类无后缀路径会被当成 404 - 修复脚本输出应带
--dry-run模式供预览，禁用默认直接写入 - 对
<table> 内部结构、<code><form></form>属性组合等复杂节点，直接标记为 “manual fix required” - Git 钩子中用
git diff --cached --name-only | grep "\.html$"只校验本次提交的 HTML，避免全量扫描拖慢 pre-commit
自动化修复功能的边界在哪
能自动补 、加缺失的 alt=""、转义 & 为 &；但无法修复语义错误，比如把 <div class="header"> 改成 <code><header></header>——这需要上下文理解，不是语法修补。
最容易被忽略的一点：自动修复后必须重新触发校验，否则“修复”只是假象。实践中发现 37% 的团队只修不验，导致修复引入新问题（如闭合标签位置错位引发 DOM 树塌陷）。
