在Go中解析HTML input标签：如何绕过官方包的忽略限制？

哎，其实你遇到的不是解析包忽略input标签的问题，而是你的代码只处理了开始标签（StartTagToken），但<input>属于自闭合标签，解析器会把它识别为自闭合标签（SelfClosingTagToken），所以你的循环没捕获到它~

最优的解决办法就是在判断标签类型时，同时包含html.SelfClosingTagToken，这样就能把input这类自闭合标签也捞出来了。

先看修改后的代码：

package main

import (
	"fmt"
	"strings"
	"golang.org/x/net/html"
)

const HTML = `
<!DOCTYPE html>
<html lang="en">
<head>
<meta charset="utf-8"/>
<title>selected attribute</title>
</head>
<body>
<form method="GET">
<input type="submit" value="submit"/>
</form>
</body>
</html>
`

func main() {
	z := html.NewTokenizer(strings.NewReader(HTML))
	tt := html.TokenType(7)
	for tt != html.ErrorToken {
		tt = z.Next()
		// 同时处理开始标签和自闭合标签
		if tt == html.StartTagToken || tt == html.SelfClosingTagToken {
			name, _ := z.TagName()
			fmt.Println(string(name))
		}
	}
}

运行这段代码，你就能看到输出里包含input了，顺序是html、head、meta、title、body、form、input，完全符合预期。

另外，如果你想更清晰地处理Token，也可以用z.Token()方法获取完整的Token结构体，然后判断它的类型，代码逻辑会更直观：

func main() {
	z := html.NewTokenizer(strings.NewReader(HTML))
	for {
		tt := z.Next()
		if tt == html.ErrorToken {
			break
		}
		token := z.Token()
		if token.Type == html.StartTagToken || token.Type == html.SelfClosingTagToken {
			fmt.Println(token.Data)
		}
	}
}

本质上都是同一个思路：不要漏掉自闭合标签的类型判断，因为HTML里像input、img、br这类元素都是自闭合的，解析器不会把它们当成普通的开始标签处理。

内容的提问来源于stack exchange，提问作者user6216224