如何正确解析并打印 HTML 文档的根节点与子节点内容-Golang-PHP中文网

如何正确解析并打印 HTML 文档的根节点与子节点内容

Go 的 golang.org/x/net/html 包将 HTML 解析为树形结构，node.Data 仅表示当前节点的标签名或文本内容；根节点（如 *html.Node）通常是文档节点（DocumentNode），其 Data 字段为空字符串，因此直接打印 node.Data 不会输出可见内容。

go 的 `golang.org/x/net/html` 包将 html 解析为树形结构，`node.data` 仅表示当前节点的标签名或文本内容；根节点（如 `*html.node`）通常是文档节点（`documentnode`），其 `data` 字段为空字符串，因此直接打印 `node.data` 不会输出可见内容。

在使用 html.Parse() 解析 HTML 响应体后，返回的是一个指向文档根节点（*html.Node）的指针。该节点的类型为 html.DocumentNode（而非 html.ElementNode 或 html.TextNode），其 Data 字段恒为空字符串 "" —— 这是 Go HTML 解析器的明确设计行为，并非 bug 或异常。因此，fmt.Println(node.Data) 总是打印空行，无论目标网页是什么。

要验证这一点，可检查节点类型：

fmt.Printf("Node type: %v, Data: %q\n", node.Type, node.Data)
// 输出类似：Node type: 3, Data: ""
// 其中 html.DocumentNode = 3（参见 golang.org/x/net/html/node.go）

若需实际内容，必须遍历整棵树，访问具体元素节点（如、、或 <a></a>）或文本节点。例如，以下代码递归提取所有 <a href="..."></a> 链接：

anything-to-html

将调研报告、方案对比、数据分析、需求梳理、会议纪要、设计说明、代码评审、学习笔记等任务产物输出为可在浏览器直接打开的单文件 HTML，替代 Markdown 作为最终交付物。Markdown 在信息密度、视觉清晰度和可分享性上已跟不上 AI 产物的丰富度，HTML 能同时承载排版、表格、SVG 等。

下载

var traverse func(*html.Node)
traverse = func(n *html.Node) {
    if n.Type == html.ElementNode && n.Data == "a" {
        for _, attr := range n.Attr {
            if attr.Key == "href" {
                fmt.Println("Link:", attr.Val)
                break
            }
        }
    }
    // 递归遍历子节点
    for c := n.FirstChild; c != nil; c = c.NextSibling {
        traverse(c)
    }
}
traverse(node) // 从根节点开始遍历

⚠️ 注意事项：

html.Parse() 不会自动跳过注释或 CDATA 节点，如需过滤，需在遍历时判断 n.Type（常见值：ElementNode=1, TextNode=3, CommentNode=8）；
忽略 defer r.Body.Close() 的错误处理可能导致资源泄漏（尽管示例中已用闭包处理，但建议显式检查）；
实际项目中应设置 http.Client.Timeout 防止阻塞，并考虑 User-Agent 头（部分网站拒绝默认爬虫请求）；
若仅需原始 HTML 字符串（非结构化解析），可改用 io.ReadAll(r.Body) + string()，更轻量高效。