cheerio 默认以 html 模式解析文档，会自动修正不规范标签（如自定义命名空间标签 `idx:entry`），导致嵌套 `div` 被错误剥离；启用 `xml: true` 可保留原始结构并正确提取全部子元素文本。
在使用 Cheerio 处理含 XML 命名空间（如 idx:entry、mbp:frameset）或非标准 HTML 结构的文档时，你可能会遇到看似“丢失”元素的问题——尤其是深层嵌套的
默认情况下，cheerio.load(htmlString) 以 HTML 模式 运行：它会模拟浏览器 DOM 行为，自动修复/忽略非法标签、折叠空白、规范化命名空间前缀（如将 idx:orth 视为未知标签并降级处理），甚至可能提前截断或跳过无法识别的父子关系。在你的 tmp.html 中， ✅ 正确解法是显式启用 XML 模式： ⚠️ 注意事项： 立即学习“前端免费学习笔记（深入）”； ? 总结：当 Cheerio 表现异常（元素“消失”、文本截断、属性丢失），优先检查解析模式——对含自定义命名空间、EPUB/MOBI 索引标记（idx:*）、SVG 或 XHTML 片段的文档，{ xml: true } 是可靠且必要的配置。const fs = require('fs');
const cheerio = require('cheerio');
const data = fs.readFileSync('tmp.html', 'utf8');
// 关键：传入 { xml: true } 选项
const $ = cheerio.load(data, { xml: true });
// 现在可完整获取所有子节点文本
const entryText = $('body idx\:entry').eq(0).text().trim();
console.log(entryText);
// 输出：abaniquear vt (Andes) see also: abanicar ✅
