读取HTML文件内容技巧分享
本文深入解析了在不同环境下安全、高效读取和解析HTML文件的核心技巧:针对浏览器中fetch加载本地HTML触发CORS错误的问题,明确指出file://协议被浏览器安全策略禁止,并给出部署本地HTTP服务或改用XMLHttpRequest的实用解决方案;强调DOMParser解析HTML字符串比innerHTML更安全可靠,避免脚本执行与DOM污染;在Node.js环境中则重点提醒fs读取时的编码与路径陷阱,并对比cheerio与jsdom在服务端批量处理HTML时的性能、兼容性与容错优势,同时点出编码识别这一常被忽视却至关重要的环节——真正帮你避开从读取到解析全流程中的典型坑。

用 fetch 读取本地 HTML 文件会触发 CORS 错误
浏览器直接用 fetch('./page.html') 加载本地 HTML 文件时,如果页面是通过 file:// 协议打开的,绝大多数现代浏览器会拒绝请求,并抛出类似 Blocked by CORS policy: Cross origin requests are only supported for protocol schemes: http, data, chrome, chrome-extension, https. 的错误。
这不是代码写错了,而是浏览器安全策略限制——file:// 协议不被视作合法的跨域请求源。解决方法只有两个:
- 把页面部署到本地 HTTP 服务上(推荐),比如用
npx serve、python3 -m http.server或 VS Code 的 Live Server 插件 - 改用
XMLHttpRequest并设置responseType = 'document'(仅限同源且非file://场景)
别试图用 readAsText + FileReader 去读取用户选择的 HTML 文件——那只能用于 显式选取的场景,不适用于预设路径加载。
用 DOMParser 解析 HTML 字符串比 innerHTML 更安全可靠
当你拿到一段 HTML 字符串(比如从 fetch 返回的 text() 结果),想提取其中的 或某个 class="content" 元素,不要直接往 div.innerHTML 里塞再查——这会执行内联脚本、触发图片加载、污染当前页面 DOM。
DOMParser 是专为此设计的轻量级解析器,它生成的是独立文档对象,完全隔离:
const parser = new DOMParser();
const doc = parser.parseFromString(htmlString, 'text/html');
const title = doc.querySelector('title')?.textContent;
const mainContent = doc.querySelector('.content')?.outerHTML;
注意两点:
- MIME 类型必须写成
'text/html',写成'application/xml'或漏掉会导致解析失败或行为异常 doc是完整文档,所以querySelector能直接匹配和下的元素,无需额外包裹
Node.js 环境下读取 HTML 文件要用 fs.readFileSync 或 fs.promises.readFile
在 Node.js 里没有 fetch,也不能用 DOMParser(原生不支持),得靠第三方库补全 DOM 能力。但第一步永远是把文件内容读成字符串:
const fs = require('fs');
const html = fs.readFileSync('./index.html', 'utf8');
或者用 Promise 版本:
const { readFile } = require('fs').promises;
const html = await readFile('./index.html', 'utf8');
常见坑:
- 忘记传
'utf8'编码参数,结果得到Buffer,后续parseFromString会报错 - 路径写相对路径却没注意工作目录(
process.cwd()),建议用path.resolve(__dirname, 'index.html')定位
之后才能交给 jsdom 或 cheerio 处理。例如 cheerio 的典型用法:
const $ = require('cheerio');
const html = fs.readFileSync('./index.html', 'utf8');
const $html = $.load(html);
const title = $html('title').text();
用 cheerio 提取元素比原生 DOM API 更适合服务端批量处理
如果你在 Node.js 中要批量分析几十个 HTML 文件、提取标题、链接、元数据,cheerio 是更优选择:它模拟了 jQuery API,语法简洁,不渲染、不执行 JS、内存占用低。
对比 jsdom:
cheerio没有window、document全局对象,不能运行脚本,但解析速度通常快 3–5 倍cheerio.load()返回的是“伪 DOM”,所有选择器操作都基于字符串分析,因此不支持:has()、:nth-child(2n)等复杂 CSS4 伪类(除非升级到 v1.0+ 并启用xmlMode: false)- 若 HTML 不规范(如自闭合标签写成
而非),cheerio默认能容错,DOMParser在严格模式下可能报错
一个真实场景示例:提取所有带 href 的外链,并排除站内路径:
const $ = require('cheerio');
const html = fs.readFileSync('page.html', 'utf8');
const $html = $.load(html);
const externalLinks = [];
$html('a[href]').each((i, el) => {
const href = $html(el).attr('href');
if (href && /^https?:\/\//.test(href)) {
externalLinks.push(href);
}
});
实际处理 HTML 时,最易被忽略的是编码识别——特别是老站点用 gbk 或 big5 编码却没声明 ,这时 fs.readFileSync 或 fetch 拿到的内容会乱码,后续所有解析都失效。遇到这类情况,得先用 iconv-lite 或 encoding-sniffer 探测真实编码再转 UTF-8。理论要掌握,实操不能落!以上关于《读取HTML文件内容技巧分享》的详细介绍,大家都掌握了吧!如果想要继续提升自己的能力,那么就来关注golang学习网公众号吧!
Golang JSON流式编解码技巧
- 上一篇
- Golang JSON流式编解码技巧
- 下一篇
- 喜马拉雅会员如何跨平台迁移
-
- 文章 · 前端 | 6天前 | 前端 · javascript · AbortController · 表单提交 · AbortController 旧响应覆盖 前端重复提交 loading锁 fetch取消 按钮防抖
- 前端按钮重复提交怎么办:loading 锁和 AbortController 最小配方
- 442浏览 收藏
-
- 文章 · 前端 | 1星期前 | 前端 · 缓存 · Service Worker · 白屏 · 发布故障 · 缓存策略 前端白屏 Service Worker CacheStorage 资源404 发布回滚
- 前端发布后白屏复盘:Service Worker 缓存旧入口导致 JS 资源 404
- 469浏览 收藏
-
- 文章 · 前端 | 1星期前 | 前端开发 · localStorage · 表格配置 · 用户偏好 · 后台系统 · 用户偏好 localStorage 前端表格 列配置 可见列 列宽保存
- 前端表格列设置刷新后丢失怎么办:可见列、列宽和顺序这样保存
- 351浏览 收藏
-
- 文章 · 前端 | 1星期前 | 前端 · 接口排查 · 运维手册 · 性能告警 · 前端 AbortController 接口超时 Network瀑布图 降级回滚 线上告警
- 前端接口超时告警运行手册:从瀑布图到降级回滚
- 287浏览 收藏
-
- 前端进阶之JavaScript设计模式
- 设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
- 543次学习
-
- GO语言核心编程课程
- 本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
- 516次学习
-
- 简单聊聊mysql8与网络通信
- 如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
- 500次学习
-
- JavaScript正则表达式基础与实战
- 在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
- 487次学习
-
- 从零制作响应式网站—Grid布局
- 本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
- 485次学习
-
- ljg-skills
- ljg-skills 是李继刚开源的 AI 技能与提示词集合,面向大模型使用者整理了一批可复用的 prompt、角色设定和任务技能模板,适合用于学习提示词设计、搭建个人 AI 工作流和沉淀团队常用智能体能力。
- 4370次使用
-
- MELO音乐
- MELO音乐是一站式AI视频与音乐制作助手,对标suno, udio的高品质体验。提供伴奏生成、原创写词、无损导出、哼唱识曲、混音变声等全套音频与短视频编辑工具。无论是流行Kpop、电音说唱、民谣古风、摇滚儿歌还是商用轻音乐,MELO为你免费谱曲,轻松做同款!
- 4048次使用
-
- UniScribe
- UniScribe 是一款 AI 音视频转文字与内容整理工具,支持上传音频、视频文件或粘贴 YouTube 链接,自动生成转写文本、摘要、思维导图和关键问题,并支持多格式导出,适合会议记录、课程学习、访谈整理和内容创作复盘。
- 4037次使用
-
- 剧云
- 剧云是专业中文剧本创作平台,安全稳定运行十余年,集成AI编剧、剧本医生审核、人物小传、剧情关系图、大纲编写、多人协作、Word导入导出、版权管控功能,数据安全防护,轻松高效创作剧本。
- 4221次使用
-
- 万象有声
- 万象有声,一个专为有声创作者打造的新一代智能有声内容创作平台。平台提供专业的智能拆章、智能画本编辑、AI配音、AI生成音效、后期制作、智能对轨、智能审听等有声创作全流程工具,可以帮助创作者高效、低成本创作出引人入胜的有声作品。立即体验,让有声书制作更简单!
- 4190次使用
-
- JavaScript函数定义及示例详解
- 2025-05-11 502浏览
-
- CSS变量简化按钮悬停效果技巧
- 2026-05-31 501浏览
-
- JavaScript符号类型详解与应用
- 2026-05-31 501浏览
-
- HTML剪贴板复制粘贴怎么用
- 2026-05-26 501浏览
-
- data-*属性详解:HTML数据存储与DOM操作技巧
- 2026-05-25 501浏览

