Go语言使用正则表达式提取网页文本

Go  /  管理员 发布于 5年前   331

示例：在字符串 1000abcd123 中找出前后两个数字。

例子1：匹配到这个字符串的例子

package main import(    "fmt"    "regexp") var digitsRegexp = regexp.MustCompile(`(\d+)\D+(\d+)`) func main(){    someString:="1000abcd123"    fmt.Println(digitsRegexp.FindStringSubmatch(someString))}

上面代码输出：

[1000abcd123 1000 123]

例子2：使用带命名的正则表达式

package main import(    "fmt"    "regexp") var myExp=regexp.MustCompile(`(?P<first>\d+)\.(\d+).(?P<second>\d+)`) func main(){    fmt.Printf("%+v",myExp.FindStringSubmatch("1234.5678.9"))}

上面代码输出，所有匹配到的都输出了：

[1234.5678.9 1234 5678 9]

这里的Named capturing groups (?P<name>) 方式命名正则表达式是 python、Go语言特有的， java、c# 是 (?<name>) 命名方式。

例子3：对正则表达式类扩展一个获得所有命名信息的方法，并使用它。

package main import(    "fmt"    "regexp") //embed regexp.Regexp in a new type so we can extend ittype myRegexp struct{     *regexp.Regexp} //add a new method to our new regular expression typefunc(r *myRegexp)FindStringSubmatchMap(s string) map[string]string{    captures:=make(map[string]string)     match:=r.FindStringSubmatch(s)    if match==nil{        return captures    }     for i,name:=range r.SubexpNames(){        //Ignore the whole regexp match and unnamed groups        if i==0||name==""{continue        }         captures[name]=match[i]     }    return captures} //an example regular expressionvar myExp=myRegexp{regexp.MustCompile(`(?P<first>\d+)\.(\d+).(?P<second>\d+)`)} func main(){    mmap:=myExp.FindStringSubmatchMap("1234.5678.9")    ww:=mmap["first"]    fmt.Println(mmap)    fmt.Println(ww)}

上面代码的输出结果：

map[first:1234 second:9]
1234

例子4，抓取限号信息，并记录到一个Map中。

package main import(    "fmt"    iconv "github.com/djimenez/iconv-go"    "io/ioutil"    "net/http"    "os"    "regexp") // embed regexp.Regexp in a new type so we can extend ittype myRegexp struct{    *regexp.Regexp} // add a new method to our new regular expression typefunc(r *myRegexp)FindStringSubmatchMap(s string)[](map[string]string){    captures:=make([](map[string]string),0)     matches:=r.FindAllStringSubmatch(s,-1)     if matches==nil{        return captures    }     names:=r.SubexpNames()     for _,match:=range matches{         cmap:=make(map[string]string)         for pos,val:=range match{name:=names[pos]if name==""{    continue} /*    fmt.Println("+++++++++")    fmt.Println(name)    fmt.Println(val)*/cmap[name]=val        }         captures=append(captures,cmap)     }     return captures} // 抓取限号信息的正则表达式var myExp=myRegexp{regexp.MustCompile(`自(?P<byear>[\d]{4})年(?P<bmonth>[\d]{1,2})月(?P<bday>[\d]{1,2})日至(?P<eyear>[\d]{4})年(?P<emonth>[\d]{1,2})月(?P<eday>[\d]{1,2})日，星期一至星期五限行机动车车牌尾号分别为：(?P<n11>[\d])和(?P<n12>[\d])、(?P<n21>[\d])和(?P<n22>[\d])、(?P<n31>[\d])和(?P<n32>[\d])、(?P<n41>[\d])和(?P<n42>[\d])、(?P<n51>[\d])和(?P<n52>[\d])`)} func ErrorAndExit(err error){    fmt.Fprintln(os.Stderr,err)    os.Exit(1)} func main(){    response,err:=http.Get("http://www.bjjtgl.gov.cn/zhuanti/10weihao/index.html")    defer response.Body.Close()     if err!=nil{        ErrorAndExit(err)    }     input,err:=ioutil.ReadAll(response.Body)    if err!=nil{        ErrorAndExit(err)    }    body :=make([]byte,len(input))    iconv.Convert(input,body,"gb2312","utf-8")     mmap:=myExp.FindStringSubmatchMap(string(body))     fmt.Println(mmap)}

上述代码输出：

[map[n32:0 n22:9 emonth:7 n11:3 n41:1 n21:4 n52:7 bmonth:4 n51:2 bday:9 n42:6 byear:2012 eday:7 eyear:2012 n12:8 n31:5]map[emonth:10 n41:5 n52:6 n31:4 byear:2012 n51:1 eyear:2012 n32:9 bmonth:7 n22:8 bday:8 n11:2 eday:6 n42:0 n21:3 n12:7]map[bday:7 n51:5 n22:7 n31:3 eday:5 n32:8 byear:2012 bmonth:10 emonth:1 eyear:2013 n11:1 n12:6 n52:0 n21:2 n42:9 n41:4]map[eyear:2013 byear:2013 n22:6 eday:10 bmonth:1 n41:3 n32:7 n31:2 n21:1 n11:5 bday:6 n12:0 n51:4 n42:8 emonth:4 n52:9]]

更多go语言知识请关注go语言教程栏目。

以上就是Go语言使用正则表达式提取网页文本的详细内容，更多请关注其它相关文章！