本文介绍如何利用 Go 标准生态的 golang.org/x/net/html 包，高效、可靠地解析 HTML 中的 元素，精准提取带有 selected 属性的 的 value 值，并按 id 关联映射输出结果。
本文介绍如何利用 go 标准生态的 `golang.org/x/net/html` 包，高效、可靠地解析 html 中的 `
在网页爬虫或自动化数据采集场景中，下拉选择框（<select></select>）常用于承载结构化选项数据，而其中被默认选中的项（即含 selected 属性的 <option></option>）往往代表关键业务状态或初始值。Go 语言虽无类似 Python 的 BeautifulSoup 那样高阶的 HTML 解析 DSL，但其 golang.org/x/net/html 包提供的事件流式解析器（Tokenizer） 完全足以胜任此类任务——无需加载完整 DOM 树，内存友好且性能优异。
以下是一个健壮、可复用的实现方案：
package main
import (
"fmt"
"strings"
"golang.org/x/net/html"
)
func extractSelectedOptions(htmlContent string) map[string]string {
result := make(map[string]string)
d := html.NewTokenizer(strings.NewReader(htmlContent))
var currentSelectID string
for {
tokenType := d.Next()
switch tokenType {
case html.ErrorToken:
return result // 解析结束或遇 EOF
case html.StartTagToken:
token := d.Token()
switch token.Data {
case "select":
// 提取 select 的 id 属性，作为后续 option 的归属标识
for _, attr := range token.Attr {
if attr.Key == "id" {
currentSelectID = attr.Val
break
}
}
case "option":
// 检查该 option 是否被选中（支持 selected="" 或 selected）
isSelected := false
value := ""
for _, attr := range token.Attr {
switch attr.Key {
case "selected":
isSelected = true // presence alone suffices
case "value":
value = attr.Val
}
}
if isSelected && currentSelectID != "" && value != "" {
result[currentSelectID] = value
}
}
}
}
}
func main() {
htmlContent := `
<html>
<body>
<select name="car" size="1" id="car">
<option value="volvo">Volvo</option>
<option value="saab">Saab</option>
<option value="vw">VW</option>
<option value="audi" selected>Audi</option>
</select>
<select name="animal" size="1" id="animal">
<option value="dog">Dog</option>
<option value="cat" selected>Cat</option>
<option value="badger">Badger</option>
<option value="mouse">Mouse</option>
</select>
</body>
</html>`
result := extractSelectedOptions(htmlContent)
for id, value := range result {
fmt.Printf("%s = %s\n", id, value)
}
// 输出：
// car = audi
// animal = cat
}✅ 关键设计说明：
- 使用
html.Tokenizer进行流式解析，避免构建完整 AST，显著降低内存开销； -
currentSelectID在进入<select></select>时捕获id，并在其子<option></option>中复用，确保父子关系正确绑定； - 对
selected属性采用“存在即生效”语义（HTML 规范允许<option selected></option>无值），兼容性更强； - 显式检查
value非空，防止因<option selected></option>缺失value属性导致空字符串误存。
⚠️ 注意事项：
立即学习“前端免费学习笔记（深入）”；
- 若页面含嵌套
<select></select>（极罕见）或动态渲染内容（如由 JavaScript 插入），需配合 Headless Browser（如 chromedp）先执行 JS 再抓取； - 实际生产中建议对输入 HTML 做基础校验（如非空、UTF-8 编码），并用
defer确保资源清理（本例因strings.Reader无资源需释放，可省略）； - 如需同时获取文本内容（如
"Audi"而非"audi"），可监听html.TextToken并结合上下文判断是否处于已选option内部——但通常value才是表单提交的真实字段值。
综上，golang.org/x/net/html 不仅完全胜任下拉列表解析任务，更以轻量、可控、符合 Go 哲学的方式提供了工业级可靠性。掌握 Tokenizer 模式，是构建高性能 Go Web Scraping 工具链的重要基石。
