HTML5中提取XML标签文本的注意事项

一分耕耘，一分收获！既然打开了这篇文章《HTML5正则提取XML标签文本的注意事项》，就坚持看下去吧！文中内容包含等等知识点...希望你能在阅读本文后，能真真实实学到知识或者帮你解决心中的疑惑，也欢迎大佬或者新人朋友们多留言评论，多给建议！谢谢！

应使用 DOMParser 解析 XML 字符串为 XML Document 后用 querySelector 等提取；innerHTML 和正则易因 HTML 解析规则、命名空间、CDATA 等导致不可靠结果。

XML 不是 HTML，别用 innerHTML 或正则硬刚结构

HTML5 环境下直接对 XML 字符串用正则提取标签内容，本质是拿非结构化工具处理半结构化数据。浏览器原生不解析 XML 字符串为 DOM，innerHTML 会按 HTML 规则解析（比如自闭合标签被补全、命名空间丢失、 变成 ），结果不可靠。

真正安全的做法是用 DOMParser 解析 XML 字符串为 XML Document，再用 querySelector 或 getElementsByTagName 提取。正则只适合极简、已知格式、无嵌套、无命名空间的临时场景。

如果非要用正则，必须避开这三类坑

• XML 允许换行、缩进、注释、CDATA、处理指令（如 ），正则很难全覆盖；
• 标签可能带属性、命名空间前缀（如 ）、大小写混用（XML 区分大小写）；
• 内容本身含 < 或 >（如嵌套 CDATA 或转义字符 <），会导致正则提前截断或误匹配。

例如想提取

就会因未处理实体而漏掉内容；若 XML 含 `; const parser = new DOMParser(); const xmlDoc = parser.parseFromString(xmlStr, "application/xml"); if (xmlDoc.documentElement.nodeName === "parsererror") { console.error("XML parse error:", xmlDoc.documentElement.textContent); } else { const titleEl = xmlDoc.querySelector("title"); const text = titleEl ? titleEl.textContent : null; // → "Hello & World" }

命名空间和多级嵌套时的 querySelector 写法

const creators = xmlDoc.getElementsByTagNameNS("http://purl.org/dc/elements/1.1/", "creator");
const firstCreator = creators.length ? creators[0].textContent : null;