Golang解析HTML方法详解

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 <img>）等细节。

• html.Render() 会自动处理特殊字符转义（如 < → <）、标签闭合、空白压缩策略（取决于节点类型）
• 简单还原示例：

  var buf bytes.Buffer
  err := html.Render(&buf, doc)
  if err != nil {
      log.Fatal(err)
  }
  htmlOut := buf.String() // 此时才是合法可渲染的 HTML

• 注意：若只取部分子树（如某个 <div>），要确保其作为独立片段可渲染 —— 比如 <table> 子节点单独 render 可能缺 <tbody>，浏览器容错强，但服务端处理时需留意