Go で "encoding/xml" で HTML を読む時の注意

単純に xml.Unmarshal を使って

bin, err := io.ReadAll(os.Stdin)
if err != nil {
    return err
}
var htm Html
err = xml.Unmarshal(bin, &htm)
if err != nil {
    return err
}

と HTML を読み込むと、閉じていないタグがあるので：

XML syntax error on line 18: element <meta> closed by </head>

となりがち

間違った対応

xml.HTMLAutoClose というグローバル変数があるので、一見すると

xml.HTMLAutoClose = append(xml.HTMLAutoClose,"meta")

とかすればよさそうだが、間違いだった。"meta" は既に最初からセットされている上に、Unmarshal はこのグローバル変数を呼んでいる気配がない。

正解

NewDecoder でインスタンスを作って、そのフィールドにタグなどをセットすべし。 xml.HTMLAutoClose や xml.HTMLEntity は、HTML向けの推奨値だった。

decoder := xml.NewDecoder(os.Stdin)
decoder.Strict = false
decoder.AutoClose = xml.HTMLAutoClose
decoder.Entity = xml.HTMLEntity
decoder.Entity["nbsp"] = " "

var htm Html
err := decoder.Decode(&htm)
if err != nil {
    return err
}