Go 的 encoding/xml 解析 RSS 经常失败，根本原因是 RSS（尤其是 Atom 混合源）含 CDATA、命名空间、HTML 实体及不规范换行；标准库不自动解码实体、不忽略命名空间冲突，需预处理字符串、用 xml.CharData 类型、显式声明命名空间字段。
为什么 Go 的 encoding/xml 解析 RSS 经常失败
直接用 xml.Unmarshal 解析 RSS 时，常见报错如 XML syntax error on line X: invalid character entity 或字段全为空，根本原因是 RSS（尤其是 Atom 混合源）常含 CDATA、命名空间（xmlns）、HTML 实体（ ）及不规范换行。Go 标准库不自动解码 HTML 实体，也不忽略命名空间冲突。
- 必须预处理 XML 字符串：用
strings.ReplaceAll替换html.UnescapeString全量解码 - RSS 2.0 推荐用无命名空间结构体；若遇
atom:前缀，结构体字段需加xml:"atom:title,attr"显式声明 - 对
<description></description>这类可能含 HTML 的字段，定义为xml.CharData类型而非string，避免截断
如何用 net/http 安全抓取 RSS 并防超时/重定向失控
直接 http.Get(url) 抓 RSS 源极易卡死或跳转到登录页，尤其面对 Cloudflare 防护或反爬中间页时。
- 显式设置
http.Client：超时控制必须设Timeout: 10 * time.Second，且启用CheckRedirect限制跳转次数（建议 ≤3） - 添加基础请求头：
User-Agent设为常见浏览器值（如"Mozilla/5.0 (X11; Linux x86_64) AppleWebKit/537.36"），否则部分站点返回 403 - 检查响应状态码和
Content-Type头，仅当含application/rss+xml或application/atom+xml才继续解析，避免把 HTML 错当 RSS
用 goquery 补救非标准 RSS（如网页内嵌 RSS 链接或伪 RSS）
很多“RSS 源”实际是普通 HTML 页面里藏了 <link rel="alternate" type="application/rss+xml" href="...">，或直接把文章列表渲染成 HTML——这时不能硬套 XML 解析。
- 先用
goquery.NewDocument加载 HTML，提取真实 RSS 地址：doc.Find("link[rel=alternate][type='application/rss+xml']").Attr("href") - 若目标无标准 RSS，直接用 goquery 提取文章列表：
doc.Find("article h2 a, .post-title a").Each(func(i int, s *goquery.Selection) { title := s.Text() link, _ := s.Attr("href") }) - 注意：goquery 不处理相对 URL，需用
url.Join拼接基础地址
展示层避免模板注入与 XSS 的关键处理
RSS 的 <title></title> 和 <description></description> 常含未过滤 HTML，直接塞进 HTML 模板会触发 XSS。
立即学习“go语言免费学习笔记（深入）”；
- 服务端渲染时，用
template.HTMLEscapeString处理所有字段，而非依赖前端 JS 转义 - 若需保留部分格式（如
<p></p>、<strong></strong>），改用bluemonday库白名单过滤：policy := bluemonday.UGCPolicy() cleanDesc := policy.Sanitize(rssItem.Description)
- 时间字段别用原始
pubDate字符串，统一转为time.Time后再格式化（item.PubDate.Format("Jan 2, 2006")），避免时区混乱
RSS 的难点不在抓取本身，而在应对现实世界中五花八门的“伪标准”——命名空间混用、HTML 实体乱飞、重定向陷阱、以及发布者随手写的 malformed XML。真正稳定的实现，永远是组合策略：HTTP 层控超时+UA，XML 层做预清洗+容错结构体，HTML 层兜底用 goquery，展示层强制转义。
