17370845950

Go解析XML首选xml.Unmarshal反序列化已知结构，需导出字段+xml tag映射；动态/大文件用xml.Decoder流式处理；注意命名空间、CDATA转义、非UTF-8编码及空标签零值问题。

用 xml.Unmarshal 解析已知结构的 XML 文件

Go 标准库的 encoding/xml 包不支持流式解析（如 SAX），默认走的是「反序列化到 struct」路径。前提是 XML 结构稳定、可预知字段名和嵌套关系。

关键点：struct 字段必须导出（首字母大写），且需用 xml tag 显式声明映射关系，否则字段会被忽略。

• xml:",chardata" 用于捕获文本内容（如 Alice 中的 Alice）
• xml:",attr" 用于读取属性（如 中的 id）
• xml:",any" 可捕获未定义子元素（但需配合自定义 UnmarshalXML 方法）
• 嵌套结构需对应 struct 嵌套，空元素或缺失字段默认设为零值，不会报错

type User struct {
    ID    int    `xml:"id,attr"`
    Name  string `xml:"name"`
    Email string `xml:"contact>email"` // 支持路径式嵌套
}
data := Bobb@x.com
var u User
err := xml.Unmarshal([]byte(data), &u) // err == nil, u.ID == 42, u.Name == "Bob"

处理动态或未知结构的 XML（用 xml.Decoder 手动遍历）

当 XML 字段名不固定（如配置文件含任意插件节点）、或体积很大需边读边处理时，xml.Unmarshal 不适用，得用 xml.Decoder。

它按 token 流方式逐个读取开始标签、字符数据、结束标签等，适合条件跳过、提前终止或构建中间结构。

立即学习“go语言免费学习笔记（深入）”；

• 调用 decoder.Token() 返回 xml.Token 接口，需类型断言判断是 xml.StartElement 还是 xml.CharData
• 注意：字符数据可能被拆成多个 xml.CharData token，需拼接
• decoder.Skip() 可跳过整棵子树（比如忽略注释或废弃节点）
• 遇到非法嵌套或格式错误时，Token() 会返回具体错误，如 expected element name

decoder := xml.NewDecoder(strings.NewReader(xmlData))
for {
    t, err := decoder.Token()
    if err == io.EOF {
        break
    }
    if err != nil {
        log.Fatal(err)
    }
    switch se := t.(type) {
    case xml.StartElement:
        if se.Name.Local == "item" {
            var item Item
            decoder.DecodeElement(&item, &se) // 复用 decoder 解析当前节点
        }
    case xml.CharData:
        // 处理纯文本内容
    }
}

常见坑：命名空间、CDATA 和编码问题

XML 命名空间（xmlns）会让 tag 名变成 {http://example.com}tag，直接写 xml:"tag" 会匹配失败；CDATA 内容不会被自动解码；非 UTF-8 编码（如 GBK）会导致 xml.Unmarshal 报 invalid UTF-8 错误。

• 命名空间需在 struct tag 中完整写出，如 xml:"{http://myns}name"，或先用 decoder.NameSpace() 提取前缀再拼接
• CDATA 块内容会作为 xml.CharData 返回，但内部的 zuojiankuohaophpcn 等实体不会被自动转义——需手动调用 html.UnescapeString()
• 读取 GBK 等编码 XML，必须先用 golang.org/x/text/encoding 转为 UTF-8，再传给 xml.NewDecoder
• 空标签如 和 在 struct 中都映射为零值，无法区分是否显式存在

性能与兼容性提醒

xml.Unmarshal 会一次性加载全部内容进内存并反射赋值，对大文件（>100MB）易 OOM；xml.Decoder 虽流式，但没内置 XPath 或 CSS 选择器，复杂查询要自己维护栈状态。

• 若需高性能或部分解析，考虑用 github.com/jbowtie/gokogiri（libxml2 绑定）或 github.com/miku/gotop（轻量 SAX 风格）
• Go 1.20+ 对 xml 包做了小优化，但无本质改变；仍不支持 DTD 或 XSD 验证
• 测试时务必覆盖带属性、嵌套、空值、特殊字符（如 '）的样例，Go 的 XML 解析对格式敏感，松散 HTML 风格写法（如自闭合
）会直接报错

最麻烦的往往不是语法，而是 XML 里混着命名空间、乱码编码、和手写的非标准空标签——这些不跑真实数据根本发现不了。