go语言正则表达式教程

NDIS herman 172浏览 0评论

正则表达式是一个经常会使用的功能,尤其是爬虫应用中。java 中有对应的选择器,go 语言中,我们也可以自己封装,也可以自己使用正则表达式来匹配相关内容。

在 go 语言中,利用 goquery 和 xpath 第三方库匹配有用信息。这些内容我们不讲,本文主要学习更优雅的正则表达式匹配。下来大概介绍下正则表达式。

比如我们匹配珍爱网城市列表的时候,会取匹配所有城市的url,如下:

goquery

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("smallsoup@gmail.com")

 if err != nil {
   //....正则语法错误,需要处理错误
   fmt.Println(err)
 }

 //smallsoup@gmail.com
 fmt.Println(compile.FindString(text))

compile, err :=regexp.Compile("smallsoup@gmail.com")
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("[smallsoup@gmail.com”)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("smallsoup@gmail.com"),如果语法错误,就会发生panic。

text1 := `my email is aa@qq.com
  aa email is aa@gmail.com
  bb email is bb@qq.com
  cc email is cc@qq.com.cn
  `
 //如果要提取A@B.C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:

[[aa@qq.com aa qq com] [aa@gmail.com aa gmail com] [bb@qq.com bb qq com] [cc@qq.com.cn cc qq.com cn]]
[aa@qq.com aa qq com]
[aa@gmail.com aa gmail com]
[bb@qq.com bb qq com]
[cc@qq.com.cn 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("%q\n", reg.FindAllString(testText, -1)) // ----->["Hello " ", I lm golang!"]
 //Email
 reg = regexp.MustCompile(`\w+([-+.]\w+)*@\w+([-.]\w+)*\.\w+([-.]\w+)*`)
 fmt.Println(reg.MatchString("smallsoup@qq.com"))
 //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

以上就是 go 语言的相关正则表达式教程,欢迎大家关注下方的微信公众号,共同学习,共同进步!

业余草公众号

最后,欢迎关注我的个人微信公众号:业余草(yyucao)!可加QQ1群:135430763,QQ2群:454796847,QQ3群:187424846。QQ群进群密码:xttblog,想加微信群的朋友,可以微信搜索:xmtxtt,备注:“xttblog”,添加助理微信拉你进群。备注错误不会同意好友申请。再次感谢您的关注!后续有精彩内容会第一时间发给您!原创文章投稿请发送至532009913@qq.com邮箱。商务合作可添加助理微信进行沟通!

本文原文出处:业余草: » go语言正则表达式教程