Go语言中使用正则提取匹配的字符串

flysnow_org

我们在做爬虫的过程中，需要对爬取到的内容处理，比如说提取出我们需要的内容和文本，比如城市信息、人员信息等等，除了字符串查找外，使用正则匹配是比较优雅和方便的方案。

这篇文章，主要以提取URL中的日期和文章名为例，来举例说明如何使用正则提取字符串。

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

()

通过上面URl的分析，我们定义正则表达式如下：

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

^$

[d]{4}

[w-]

()

下面看下完整的源代码。

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)
}

运行打印输出：

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

FindStringSubmatch[]string

	fmt.Println("年份为："+params[1])
	fmt.Println("月份为："+params[2])
	fmt.Println("天数为："+params[3])
	fmt.Println("文章名为："+params[4])

这样我们需要的这篇文章的信息就被提取出来了。

正则对于处理文章很好用，关于更多Golang正则的使用，可以参考官方的这篇正则表达式的介绍。https://github.com/google/re2/wiki/Syntax

flysnow_org