標籤：

Go語言中使用正則提取匹配的字元串

02-24

本文為原創文章，轉載註明出處，歡迎掃碼關注公眾號flysnow_org或者網站flysnow.org/，第一時間看後續精彩文章。覺得好的話，順手分享到朋友圈吧，感謝支持。

我們在做爬蟲的過程中，需要對爬取到的內容處理，比如說提取出我們需要的內容和文本，比如城市信息、人員信息等等，除了字元串查找外，使用正則匹配是比較優雅和方便的方案。

這篇文章，主要以提取URL中的日期和文章名為例，來舉例說明如何使用正則提取字元串。

比如這個URL http://www.flysnow.org/2018/01/20/golang-goquery-examples-selector.html，這是前段時間寫的一篇關於goquery的使用教程。從這個URL我們可以看到有年月日的日期信息，還有最後面的文章的名稱信息，這樣一個URL，我們如何從中得到這些信息呢？這就要用到正則表達式的分組了。

正則表達式的分組，以括弧()表示，每一對括弧就是我們匹配到的一個文本，可以把他們提取出來。

通過上面URl的分析，我們定義正則表達式如下：

^http://www.flysnow.org/([d]{4})/([d]{2})/([d]{2})/([w-]+).html$

^$分別表示匹配的開始和結束，界定我們正則表達式的範圍。

[d]{4}表示我們要正好匹配4位數字，因為年份是4位，所以我們定義為匹配4位。後面的月份和天是2位，所以定義為2位。

[w-]匹配字元串和中杠，加號(+)表示匹配1個或者多個。

然後他們都加了括弧()，意味著我們要提取這些字元串。

下面看下完整的源代碼。

flysnowRegexp := regexp.MustCompile(`^http://www.flysnow.org/([d]{4})/([d]{2})/([d]{2})/([w-]+).html$`)params := flysnowRegexp.FindStringSubmatch("http://www.flysnow.org/2018/01/20/golang-goquery-examples-selector.html")for _,param :=range params { fmt.Println(param)}

運行列印輸出：

http://www.flysnow.org/2018/01/20/golang-goquery-examples-selector.html20180120golang-goquery-examples-selector

FindStringSubmatch方法是提取出匹配的字元串，然後通過[]string返回。我們可以看到，第1個匹配到的是這個字元串本身，從第2個開始，才是我們想要的字元串。

fmt.Println("年份為："+params[1]) fmt.Println("月份為："+params[2]) fmt.Println("天數為："+params[3]) fmt.Println("文章名為："+params[4])

這樣我們需要的這篇文章的信息就被提取出來了。

正則對於處理文章很好用，關於更多Golang正則的使用，可以參考官方的這篇正則表達式的介紹。github.com/google/re2/w

本文為原創文章，轉載註明出處，歡迎掃碼關注公眾號flysnow_org或者網站flysnow.org/，第一時間看後續精彩文章。覺得好的話，順手分享到朋友圈吧，感謝支持。

weixin.qq.com/r/NjhqctX (二維碼自動識別)

推薦閱讀：

TAG:Go語言 | 網頁爬蟲 | 正則表達式 |