Go goquery 怎么区分属性缺失和属性值为空

我在用 goquery 解析卡片列表时遇到过一个很容易被忽略的区别：data-id="" 和完全没有 data-id，业务上可能不是一回事。如果只接收一个字符串，两个输入都会像空字符串。goquery 的 Attr 正好返回两个值：属性值和属性是否存在。真正的判断方式是先看第二个布尔值，再决定是否使用第一个字符串。

官方地址：https://github.com/PuerkitoBio/goquery

先把属性值和存在标记分开看

goquery 的 Selection.Attr 用来读取 Selection 第一个元素的指定属性，签名是 (string, bool)。第一个返回值是属性文本，第二个返回值是属性是否存在。因此下面三种 HTML 状态不能只靠字符串判断：

这也是我后来把字段解析函数写成两个分支的原因：exists == false 表示没有配置该属性，exists == true 后再判断 value == ""，才知道它是“显式空值”。如果你的业务只关心“最终能不能拿到字符串”，可以把两者合并；如果要判断数据是否漏字段，就不能合并。

从零做一个最小属性状态解析器

为了让这个区别有一个完整落点，可以做一个很小的命令行工具：输入一段 HTML，选中 .item 元素，分别读取 data-id 和 data-note，打印“缺失、空值、非空值”三种状态。这里不需要抓取网络，使用字符串读取器就能把解析边界讲清楚。

# 创建一个独立目录，避免把示例依赖混入已有项目
mkdir goquery-attr-demo
cd goquery-attr-demo

# 初始化模块，再加入 goquery 依赖
go mod init example.com/goquery-attr-demo
go get github.com/PuerkitoBio/goquery

goquery 官方仓库说明它建立在 Go 的 net/html 和 Cascadia 选择器库之上；安装时直接使用模块路径即可。依赖版本应由你的模块文件和当前项目兼容性决定，不要把示例中的版本号硬编码进生产脚本。

用 Attr 的第二个返回值判断三种状态

下面的辅助函数把“取值”和“判断存在”合在一个可复用入口里。它故意保留了空值分支，因为空字符串在表单、抓取结果或配置字段中可能代表用户明确清空，而不是缺字段。

package main

import (
    "fmt"
    "strings"

    "github.com/PuerkitoBio/goquery"
)

// describeAttr 把 goquery.Attr 的两个返回值转换成稳定的业务状态。
func describeAttr(s *goquery.Selection, name string) string {
    value, exists := s.Attr(name)
    if !exists {
        // 属性不存在时不能把空字符串误报成“显式空值”。
        return "缺失"
    }
    if value == "" {
        // exists 为 true 说明属性写在标签上，只是内容为空。
        return "空值"
    }
    // TrimSpace 只用于展示规范化后的文本，存在判断仍以原始 value 为准。
    return fmt.Sprintf("非空值(%q)", strings.TrimSpace(value))
}

func main() {
    html := `

        第一条
    
    

        第二条
    
    

        第三条
    
`

    // NewDocumentFromReader 接收 UTF-8 HTML，strings.NewReader 适合这个内存示例。
    doc, err := goquery.NewDocumentFromReader(strings.NewReader(html))
    if err != nil {
        // 解析失败要立即返回，避免继续读取一个不完整的 Selection。
        panic(err)
    }

    // Each 会逐个处理匹配元素，避免 Attr 只读取第一个元素。
    doc.Find(".item").Each(func(index int, item *goquery.Selection) {
        idValue, idExists := item.Attr("data-id")
        fmt.Printf("item=%d id=%s exists=%t state=%s note=%s\n",
            index,
            idValue,
            idExists,
            describeAttr(item, "data-id"),
            describeAttr(item, "data-note"),
        )
    })
}

这段代码里最重要的不是输出格式，而是 idValue 和 idExists 必须同时保留。第一条记录的 data-id 是非空值，第二条是空值，第三条才是缺失；如果把判断写成 idValue == ""，后两条就会被压成同一类。

多元素选择和空 Selection 要单独处理

我第一次遇到这个问题时，另一个误区是把 Find(".item") 得到的集合当成一个元素。goquery 的文档明确说明，Attr 针对的是 Selection 中的第一个元素；集合里有多个元素时，应使用 Each 或 Map 逐个读取。

// readFirstAttr 只读取第一个匹配元素，适合页面上应当唯一的字段。
func readFirstAttr(doc *goquery.Document, selector, name string) (string, bool) {
    first := doc.Find(selector).First()
    // Attr 在空 Selection 上返回零值组合，调用方仍应把它当作“未找到”处理。
    return first.Attr(name)
}

// collectAttrs 读取集合中的每个元素，保留元素顺序和存在标记。
func collectAttrs(doc *goquery.Document, selector, name string) []string {
    var states []string
    doc.Find(selector).Each(func(index int, item *goquery.Selection) {
        value, exists := item.Attr(name)
        // 用 index 保留原始顺序，避免后续把不同卡片的空值混在一起。
        states = append(states, fmt.Sprintf("%d:%q/%t", index, value, exists))
    })
    return states
}

如果选择器没有匹配元素，First() 得到的仍然是空 Selection。解析器的结果应当回到“未找到节点”这一层处理，不要把它和“节点存在但属性缺失”混成一个业务状态。实际项目中，我通常会先判断 Length() 或先让调用方确认节点是否存在，再进入属性读取。

AttrOr 什么时候更合适

AttrOr 是一个方便的简化方法：属性不存在时返回调用方给出的默认值。它适合“缺失就使用默认配置”的场景，例如缺少 data-role 时统一按 guest 处理。但它不会保留缺失与空值的区别；如果默认值本身也可能是空字符串，或者你要统计缺字段，就应该继续使用 Attr。

// AttrOr 适合缺失即采用默认值，不适合审计字段是否缺失。
role := item.AttrOr("data-role", "guest")
fmt.Println(role)

一个简单的取舍标准是：需要“值”时用 AttrOr，需要“值 + 是否存在”时用 Attr。不要先调用 AttrOr 再尝试反推属性是否存在，因为默认值会覆盖原本的缺失信息。

用三组样例验收字段状态

最后准备三种输入就足够覆盖这个问题：属性有内容、属性写出但为空、属性完全缺失。预期的状态分别是“非空值、空值、缺失”。如果业务还要求区分空白字符，例如 data-note=" "，先决定是否要做 TrimSpace，再明确这是展示规范化还是业务判定；不要把它和 goquery 的属性存在语义混在一起。

对我来说，这个小工具最有价值的地方是把判断写在数据刚进入系统的位置：选择器负责找到节点，Attr 负责保留原始存在信息，业务层再决定缺失和空值是否具有不同含义。这样后面的入库、校验和默认值处理都会更稳定。

常见问题

goquery.Attr 的第一个返回值为空，能说明属性不存在吗？

不能。属性存在但值为空时，第一个返回值同样可能是空字符串，应使用第二个布尔返回值区分。

一个 Selection 有多个元素时 Attr 会返回哪个元素的属性？

它读取 Selection 中第一个元素。需要遍历列表时，用 Each 或 Map 对每个元素分别读取。

AttrOr 能同时区分属性缺失和属性为空吗？

不能。AttrOr 主要用于缺失时提供默认值；要保留存在标记，应使用 Attr 的两个返回值。