go语言正则表达式

爱被打了一巴掌 2023-06-08 10:48 42阅读 0赞

我们前两节课爬取珍爱网的时候，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：

![image][]

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：

\[0-9a-z\] 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

--------------------

# 作者简洁 #

> 作者：小碗汤，一位热爱、认真写作的小伙，目前维护原创公众号：『我的小碗汤』，专注于写golang、docker、kubernetes等知识等提升硬实力的文章，期待你的关注。 转载说明：务必注明来源（注明：来源于公众号：我的小碗汤， 作者：小碗汤）

[image]: /images/20230531/103f9c99cd174a30a7879be507054a0d.png