HTML节点树递归解析成文本标记数组
本文深入探讨了一种基于深度优先递归遍历DOM树的可靠方法,将任意HTML片段精准拆解为{text: "..."}与{markup: "..."}交替排列的结构化数组,从根本上规避了正则解析的脆弱性和扁平化遍历导致的标签错位问题;该方案天然保持开闭标签与其子内容的严格嵌套关系,同时兼顾空格处理、自闭合标签兼容性、XSS安全及大规模节点下的迭代优化,是富文本编辑器内容序列化、差异比对和SSR渲染等高要求场景的理想技术基础。

本文介绍如何通过递归遍历 DOM 树,将任意 HTML 片段准确拆解为 {text: "..."} 和 {markup: "
"} 交替排列的对象数组,避免正则陷阱与节点顺序错乱问题,适用于富文本解析、编辑器内容序列化等场景。
本文介绍如何通过递归遍历 DOM 树,将任意 HTML 片段准确拆解为 `{text: "..."}` 和 `{markup: "
在处理富文本内容(如 WYSIWYG 编辑器导出的 HTML)时,常需将其结构“线性化”为可序列化、可编辑的标记-文本混合数组。例如,将
Helloworld!
拆解为:[
{"markup": ""},
{"text": "Hello"},
{"markup": ""},
{"text": "world"},
{"markup": ""},
{"text": "!"},
{"markup": "
"}
]关键挑战在于:必须严格遵循 DOM 树的嵌套顺序,而非简单按 TreeWalker 或 childNodes 的扁平顺序拼接——否则会丢失层级关系,导致闭合标签提前出现(如你遇到的
出现在 之前的问题)。✅ 正确解法:深度优先递归遍历
核心思想是:对每个节点,先推入其开始标签 → 递归处理所有子节点 → 再推入其结束标签。文本节点则直接提取内容。该方案天然保证开/闭标签包裹其全部子内容,无需手动追踪父子关系或预判后续节点类型。
以下是生产就绪的实现代码:
function parseHtmlToTokenArray(rootNode) {
const tokens = [];
function walk(node) {
// 遍历所有直接子节点(非后代)
for (const child of node.childNodes) {
if (child.nodeType === Node.TEXT_NODE) {
const text = child.textContent.trim();
if (text.length > 0) { // 忽略纯空白文本节点(如换行缩进)
tokens.push({ text });
}
} else if (child.nodeType === Node.ELEMENT_NODE) {
// 推入开始标签(小写化确保语义一致)
tokens.push({ markup: `<${child.tagName.toLowerCase()}>` });
// 递归处理子树
if (child.hasChildNodes()) {
walk(child);
}
// 推入结束标签
tokens.push({ markup: `${child.tagName.toLowerCase()}>` });
}
// 忽略注释、CDATA 等其他节点类型(按需可扩展)
}
}
walk(rootNode);
return tokens;
}
// 使用示例
const htmlString = `
Lorem ipsum dolor sit amet...
`;
const tempDiv = document.createElement('div');
tempDiv.innerHTML = htmlString;
const result = parseHtmlToTokenArray(tempDiv);
console.log(result);⚠️ 注意事项与最佳实践
- 空格与换行处理:textContent 会包含原始 HTML 中的空白符(如
\n Hello
会产生 \n Hello)。建议调用 .trim() 过滤纯空白节点,或根据业务需求保留(如代码高亮编辑器需保留缩进)。 - 自闭合标签兼容性:当前逻辑不处理
、
等自闭合元素。若需支持,可在 ELEMENT_NODE 分支中增加判断:const voidElements = new Set(['area', 'base', 'br', 'col', 'embed', 'hr', 'img', 'input', 'link', 'meta', 'param', 'source', 'track', 'wbr']); if (voidElements.has(child.tagName.toLowerCase())) { tokens.push({ markup: `<${child.tagName.toLowerCase()}${child.outerHTML.match(/\/>/) ? '' : '/'}>` }); } - 属性安全:outerHTML 可能引入 XSS 风险。本方案仅用 tagName 和手动构造标签,完全规避风险;如需保留属性,应使用 child.getAttributeNames() 安全重建。
- 性能考量:对于超长文档(>10k 节点),递归可能触发栈溢出。此时可改用显式栈的迭代 DFS(附录提供):
function walkIterative(root) { const stack = [{ node: root, state: 'open' }]; const tokens = []; while (stack.length) { const { node, state } = stack.pop(); if (state === 'open') { if (node.nodeType === Node.ELEMENT_NODE) { tokens.push({ markup: `<${node.tagName.toLowerCase()}>` }); stack.push({ node, state: 'close' }); for (let i = node.childNodes.length - 1; i >= 0; i--) { stack.push({ node: node.childNodes[i], state: 'open' }); } } else if (node.nodeType === Node.TEXT_NODE && node.textContent.trim()) { tokens.push({ text: node.textContent.trim() }); } } else if (state === 'close' && node.nodeType === Node.ELEMENT_NODE) { tokens.push({ markup: `${node.tagName.toLowerCase()}>` }); } } return tokens; }
✅ 总结
使用递归深度优先遍历 DOM 是解决“文本/标记分离”问题的最简洁、可靠方案。它以天然的树形结构映射保障标签完整性,彻底规避了扁平化遍历中因节点类型交错导致的闭合标签错位问题。结合空格过滤、自闭合标签适配与安全属性处理,即可构建健壮的 HTML 结构化解析器,为富文本编辑、差异对比、SSR 序列化等场景提供坚实基础。
好了,本文到此结束,带大家了解了《HTML节点树递归解析成文本标记数组》,希望本文对你有所帮助!关注golang学习网公众号,给大家分享更多文章知识!
宝塔安装Memcached教程详解
- 上一篇
- 宝塔安装Memcached教程详解
- 下一篇
- Java子线程异常处理与线程池应用详解
-
- 文章 · 前端 | 21小时前 | 前端 · javascript · JavaScript DOM遍历 NodeIterator referenceNode
- JavaScript NodeIterator.referenceNode 怎样读取迭代器当前参照的节点
- 326浏览 收藏
-
- 文章 · 前端 | 21小时前 | 前端 · JavaScript Event defaultPrevented
- JavaScript Event.defaultPrevented 怎样判断事件默认行为是否已经被取消
- 391浏览 收藏
-
- 文章 · 前端 | 22小时前 | 前端 · javascript · 浏览器API · JavaScript Selection focusNode focusOffset DOM Node 文本选择
- JavaScript Selection.focusNode 怎样取得用户当前延伸选择的端点节点
- 492浏览 收藏
-
- 文章 · 前端 | 22小时前 | 前端 · javascript · JavaScript CSSOM CSSStyleSheet CSSRule parentStyleSheet cssRules parentRule
- JavaScript CSSRule.parentStyleSheet 怎样取得一条规则所属的样式表
- 323浏览 收藏
-
- 文章 · 前端 | 1天前 | javascript · JavaScript 滚动条 Element.clientLeft 左边框
- JavaScript Element.clientLeft 怎样理解左边框宽度与滚动条占位
- 290浏览 收藏
-
- 文章 · 前端 | 1天前 | 前端 · javascript · JavaScript Shadow DOM Event.composed
- JavaScript Event.composed 怎样判断事件能否跨越影子根边界
- 149浏览 收藏
-
- 文章 · 前端 | 1天前 | javascript · JavaScript dom Selection anchorOffset
- JavaScript Selection.anchorOffset 怎样理解选择起点在文本与元素中的偏移
- 496浏览 收藏
-
- 文章 · 前端 | 1天前 | javascript · JavaScript CSSStyleSheet ownerRule CSSImportRule
- JavaScript StyleSheet.ownerRule 怎样取得导入样式表对应的规则对象
- 357浏览 收藏
-
- 文章 · 前端 | 1天前 | html · 前端 · javascript · 表单 · JavaScript id for label 表单控件 Control HTMLLabelElement
- JavaScript HTMLLabelElement.control 怎样取得标签实际关联的表单控件
- 338浏览 收藏
-
- 文章 · 前端 | 1天前 | 前端 · javascript · JavaScript DOM遍历 TreeWalker NodeFilter whatToShow
- JavaScript TreeWalker.whatToShow 怎样区分节点类型掩码与自定义过滤器
- 223浏览 收藏
-
- 文章 · 前端 | 1天前 | 前端 · range · javascript · JavaScript dom range 富文本 isPointInRange 节点偏移
- JavaScript Range.isPointInRange 怎样判断指定节点偏移是否落在范围内
- 145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
-
- PubMedQA
- 深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
- 1120次使用
-
- H2O EvalGPT
- H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
- 1109次使用
-
- LMArena
- LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
- 1280次使用
-
- HELM
- 深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
- 1224次使用
-
- MMBench
- MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
- 1073次使用
-
- JavaScript函数定义及示例详解
- 2025-05-11 502浏览
-
- 智能体安全引领产业升级——国内AI安全产品市场深度分析
- 2026-08-21 501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
