本文介绍如何利用 Go 标准生态的 golang.org/x/net/html 包精准提取 HTML 中 元素内带有 selected 属性的 值，适用于网页爬虫与结构化数据抽取场景。
本文介绍如何利用 go 标准生态的 `golang.org/x/net/html` 包精准提取 html 中 `
Go 语言原生不提供 DOM 操作 API，但 golang.org/x/net/html 提供了符合 HTML5 规范的流式 HTML 解析器（Tokenizer），完全胜任从 <select></select> 中提取预选值的任务——无需引入第三方 DOM 库（如 goquery），也无需加载完整 DOM 树，轻量且高效。
核心思路是：
- 遍历 HTML Token 流；
- 遇到
<select></select>标签时，记录其id（或name）作为当前下拉框标识； - 遇到
<option></option>标签时，检查是否包含selected属性（注意：HTML 中selected是布尔属性，可无值，如<option selected></option>或<option selected></option>，均视为选中）； - 若选中，则提取其
value属性值，并关联到当前select的id键下。
以下是经过优化、健壮性增强的完整示例代码：
生成HTML格式PPT
下载
从零开始创建惊艳、动画丰富且自包含的 HTML 演示文稿，或通过转换 PowerPoint 文件生成。当用户希望制作幻灯片、构建演示文稿、打造路演资料（pitch deck）、将 PPT/PPTX 转换为网页格式，或增强现有 HTML 演示文稿时，应使用此能力。该能力帮助用户通过视觉预览而非抽象选项来发掘自身审美偏好。
package main
import (
"fmt"
"golang.org/x/net/html"
"strings"
)
func extractSelectedOptions(htmlData string) map[string]string {
result := make(map[string]string)
d := html.NewTokenizer(strings.NewReader(htmlData))
var currentID string
for {
tt := d.Next()
switch tt {
case html.ErrorToken:
return result // EOF or parse error
case html.StartTagToken:
token := d.Token()
if token.Data == "select" {
currentID = getAttrValue(token.Attr, "id")
// 若 id 不存在，可降级使用 name（更符合语义）
if currentID == "" {
currentID = getAttrValue(token.Attr, "name")
}
} else if token.Data == "option" {
if isOptionSelected(token.Attr) {
value := getAttrValue(token.Attr, "value")
if currentID != "" && value != "" {
result[currentID] = value
}
}
}
}
}
}
// 辅助函数：安全获取属性值（支持布尔属性如 selected）
func getAttrValue(attrs []html.Attribute, key string) string {
for _, a := range attrs {
if strings.EqualFold(a.Key, key) {
return a.Val // 即使是 selected="", Val 也为 ""
}
}
return ""
}
// 辅助函数：判断 option 是否被选中（兼容 selected、selected=""、selected="selected"）
func isOptionSelected(attrs []html.Attribute) bool {
for _, a := range attrs {
if strings.EqualFold(a.Key, "selected") {
// HTML 规范：presence of the attribute implies true
// 即使 a.Val == ""，也视为选中
return true
}
}
return false
}
func main() {
htmlData := `
<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(htmlData)
fmt.Printf("car = %s\n", result["car"]) // car = audi
fmt.Printf("animal = %s\n", result["animal"]) // animal = cat
}✅ 关键注意事项：
立即学习“前端免费学习笔记（深入）”；
-
selected是布尔属性，其存在即表示选中，无需判断a.Val == "selected"；<option selected></option>和<option selected></option>均有效； -
<select></select>的标识建议优先取id，缺失时回退至name（更符合表单语义）； -
html.Tokenizer不自动处理嵌套关系，需手动维护上下文（如currentID），但正因如此，内存占用极低； - 若需同时提取文本内容（如
"Audi"而非"audi"），可调用d.Text()在EndTagToken后读取子文本，但需注意空白与换行； - 对于动态渲染页面（含 JavaScript 初始化的选中状态），
net/html无法执行 JS，此时应改用 Headless Browser（如 Chrome DevTools Protocol +chromedp）。
总结：golang.org/x/net/html 完全胜任静态 HTML 下拉框预选值提取任务。通过 Token 流式解析，兼顾性能、可控性与标准兼容性，是 Go 网络爬虫中处理表单结构数据的推荐方案。
