ホームページ  >  記事  >  バックエンド開発  >  Go 言語は正規表現を使用して Web ページのテキストを抽出します

Go 言語は正規表現を使用して Web ページのテキストを抽出します

尚
転載
2020-01-08 17:47:495235ブラウズ

Go 言語は正規表現を使用して Web ページのテキストを抽出します

例: 文字列 1000abcd123 の前後の 2 つの数字を検索します。

例 1: この文字列と一致する例

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

上記のコード出力:

[1000abcd123 1000 123]

例 2: 名前付き正規表現の使用

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"))
}

上記のコード出力、一致するものがすべて出力されます:

[1234.5678.9 1234 5678 9]

ここでの正規表現という名前の名前付きキャプチャ グループ (?P8a11bc632ea32a57b3e3693c7987c420) メソッドは、Python と Go 言語に固有です。 、java および c# は (?8a11bc632ea32a57b3e3693c7987c420) 命名方法です。

例 3: すべての名前付け情報を取得して使用するメソッドを使用して正規表現クラスを拡張します。

package main
 
import(
    "fmt"
    "regexp"
)
 
//embed regexp.Regexp in a new type so we can extend it
type myRegexp struct{ 
    *regexp.Regexp
}
 
//add a new method to our new regular expression type
func(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 expression
var 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)
}


上記のコードの出力:

map[first:1234 second:9]

1234

例 4、数制限情報を取得し、マップに記録します。

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 it
type myRegexp struct{
    *regexp.Regexp
}
 
// add a new method to our new regular expression type
func(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)
}

上記のコード出力:

[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]]

Go 言語の知識について詳しくは、PHP 中国語 Web サイトの go 言語チュートリアル 列に注目してください。

以上がGo 言語は正規表現を使用して Web ページのテキストを抽出しますの詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。

声明:
この記事はcnblogs.comで複製されています。侵害がある場合は、admin@php.cn までご連絡ください。