我们前两节课爬取xx网的时候，用到了很多正则表达式去匹配城市列表、城市、用户信息，其实除了正则表达式去匹配，还可以利用goquery和xpath第三方库匹配有用信息。而我利用了更优雅的正则表达式匹配。下来大概介绍下正则表达式。
比如我们匹配城市列表的时候，会取匹配所有城市的url，如下：
可以看到图片后是小写字母加数字，那么就可以用以下方式提取：
<a href="(http://www.zhenai.com/zhenghun/[0-9a-z]+)"[^>]*>([^<]+)</a>
[0-9a-z]+表示匹配小写字母或者数字至少一次，[^>]*表示匹配非>的字符任意次，然后[^<]+表示匹配非<字符至少一次。我们要取到城市的url和城市名，所以对进行了分组。
通过以下方式就可以拿到url和city
const (
cityListReg = `<a href="(http://www.zhenai.com/zhenghun/[0-9a-z]+)"[^>]*>([^<]+)</a>`
)
compile := regexp.MustCompile(cityListReg)
submatch := compile.FindAllSubmatch(contents, -1)
for _, m := range submatch {
fmt.Println("url:" , string(m[1]), "city:", string(m[2]))
}
匹配包含g g,且gg中间至少一个小写字母：
//匹配包含g g,且gg中间至少一个小写字母
match, _ := regexp.MatchString("g([a-z]+)g", "11golang11")
//true
fmt.Println(match)
上面我们直接使用了字符串匹配的正则表达式，但是对于其他的正则匹配任务，需要使用一个优化过的正则对象：
compile, err := regexp.Compile("[email protected]")
if err != nil {
//....正则语法错误，需要处理错误
fmt.Println(err)
}
//[email protected]
fmt.Println(compile.FindString(text))
compile, err :=regexp.Compile("[email protected]")
函数返回一个正则表达式匹配器和错误，当参数正则表达式不符合正则语法时返回error，比如说regexp.Compile("[[email protected]")就会报错missing closing ]
一般正则表达式是用户输入的才需要处理错误，而自己写的一般是不会有错的，所以可以使用compile:= regexp.MustCompile("[email protected]")，如果语法错误，就会发生panic。
text1 := `my email is [email protected] aa email is [email protected] bb email is [email protected] cc email is [email protected] ` //如果要提取[email protected]中的A、B、C，需要用到正则表达式的提取功能。 comp := regexp.MustCompile(`([a-zA-Z0-9]+)@([a-zA-Z0-9.]+).([a-zA-Z0-9]+)`) //利用自匹配获取正则表达式里括号中的匹配内容 submatchs := comp.FindAllStringSubmatch(text1, -1) //submatchs其实是一个二维数组 fmt.Println(submatchs) //去除每个匹配,submatch其实还是个slice for _, submatch := range submatchs { fmt.Println(submatch) }
结果输出如下：
[[[email protected] aa qq com] [[email protected] aa gmail com] [[email protected] bb qq com] [[email protected] cc qq.com cn]] [[email protected] aa qq com] [[email protected] aa gmail com] [[email protected] bb qq com] [[email protected] cc qq.com cn]
r := regexp.MustCompile("p([a-z]+)ch")
fmt.Println(r) //----->p([a-z]+)ch
//regexp 包也可以用来替换部分字符串为其他值。
fmt.Println(r.ReplaceAllString("a peach", "<smallsoup>")) //----->a <smallsoup>
//Func 变量允许传递匹配内容到一个给定的函数中，
in := []byte("a smallsoup")
out := r.ReplaceAllFunc(in, bytes.ToUpper)
fmt.Println(string(out)) //----->a PEACH
/*#######################常见表达式###########################*/
// 查找汉字
testText := "Hello 你好吗, I like golang!"
reg := regexp.MustCompile(`[p{Han}]+`)
fmt.Println(reg.FindAllString(testText, -1)) // ----->[你好]
reg = regexp.MustCompile(`[P{Han}]+`)
fmt.Println(reg.FindAllString(testText, -1)) // ----->["Hello " ", I li golang!"]
fmt.Printf("%qn", reg.FindAllString(testText, -1)) // ----->["Hello " ", I lm golang!"]
//Email
reg = regexp.MustCompile(`w+([-+.]w+)*@w+([-.]w+)*.w+([-.]w+)*`)
fmt.Println(reg.MatchString("[email protected]"))
//用户名密码：
reg = regexp.MustCompile(`[a-zA-Z]|w{6,18}`)
fmt.Println(reg.MatchString("w_dy_246"))
运行结果如下：
p([a-z]+)ch a <smallsoup> a smallsoup [你好吗] [Hello , I like golang!] ["Hello " ", I like golang!"] true true Process finished with exit code 0
特别声明：以上文章内容仅代表作者本人观点，不代表变化吧观点或立场。如有关于作品内容、版权或其它问题请于作品发表后的30日内与变化吧联系。
- 赞助本站
- 微信扫一扫
-
- 加入Q群
- QQ扫一扫
-
评论