06_GoLang语言正式课_Go网络编程_正则表达式—爬虫项目练习

2021-10-19

字数统计: 1.3k字 | 阅读时长≈ 5分

###markdown table演示

![正则表达式匹配规则.png](resources/B269D9AA59174DA6258D6E963049CF98.png =1200x2578)

###正则表达式

字符	含义	表达式实例	完整匹配的字符串
.	匹配任意一个字符	abc.	abcd、abc9
[]	匹配括号中的任意一个字符	[abc]d	ad、bd、cd
-	在[]括号内表示字符范围	[0-9a-fA-F]	可以匹配一位十六进制的数字
^	在[]括号内的开头，匹配除括号中的字符之外的任意一个字符	[^xy]	匹配除xy之外的任一字符，因此[^xy]1可以匹配a1、b1
[:xxx:]	grep工具预定义的一些命名字符类	[[:alpha:] / [[:digit:]]]	匹配一个字母 / 匹配一个字母

###数量限定符

字符	含义	表达式实例	完整匹配的字符串
？	紧跟在它前面的单元应匹配零次或一次	[0-9]?.[0-9]	匹配0.0、2.3、5等
+	紧跟在它前面的单元应匹配一次或多次	[a-zA-Z0-9_]+@[a-zA-Z0-9_]+.[a-zA-Z0-9_.-]+	匹配email地址
*	紧跟在它前面的单元应匹配零次或多次	[0-9][0-9]* 匹配至少一位数字,等价于[0-9]+,[a-zA-Z_]+[a-zA-Z_0-9]*	匹配C语言的标识符
{n}	紧跟在它前面的单元应精准匹配n次	[1-9][0-9]{2}	匹配从100到999的证书
{n,}	紧跟在它前面的单元应匹配至少n次	[1-9][0-9]{2,}	匹配三位以上（含三位）的整数
{,m}	紧跟在它前面的单元应匹配最多m次	[0-9]{,1} 相当于[0-9]?	~~已经弃用~~
{n,m}	紧跟在它前面的单元应匹配至少n次，最多m次	[0-9]{1,3}.[0-9]{1,3}.[0-9]{1,3}.[0-9]{1,3}	匹配IP地址

###其他特殊字符

字符	含义	表达式实例	完整匹配的字符串
\	转义字符，普通字符转义为特殊字符，特殊字符转义为普通字符	a.c	a.c
()	将正则表达式的一部分括起来组成一个单元，可以对整个单元使用数量限定符	[0-9]{1,3}.[0-9]{1,3}.[0-9]{1,3}.[0-9]{1,3}	匹配IP地址
`｜`	连接两个子表达式，表示或的关系	n(0/`	`either)

###预定义字符集

字符	含义	表达式实例	完整匹配的字符串
\d	表示数字, [0-9]	a\dc	a1c
\D	表示非数字, [^\d]	a\Dc	abc
\s	表示空白字符, [<空格>\t\r\n\f\v]	a\sc	a c
\S	表示非空白字符, [^\s]	a\Sc	abc
\w	表示单词字符, [A-Za-z0-9_]	a\wc	abc
\W	表示非单词字符, [^\w]	a\Wc	a c

###模式修饰符

字符	含义	表达式实例	完整匹配的字符串
?s	Singleline(单行模式)表示更改.的含义。使它与每一个字符匹配（包括换行符\n）	0	0
.*?	是一个单元分组。“，”匹配任意字符。“*？”表示重复>=0次匹配	0	0

Go实现的是RE2标准。

解析、编译正则表达式
- 使用regex.**MustCompile()**函数 Compile：编译
- func MustCompile(str string) *Regexp
  - 函数的主要作用是将正则表达式中，奇形怪状的符号（如.*?\[…）转换成Go语言能识别的格式，并将其存成结构体格式，方便编译器识别。
  - 参数：正则表达式字串。建议使用反引号。
  - 返回值：编译后的结构体。解析失败时会产生panic错误。
根据解析好的规则（结构体形式），从指定字符串中提取需要的信息。
- 使用**FindAllStringSubmatch()**函数
- func (re *Regexp) FindAllStringSubmatch(s string,n int)[] []string
  - 参数1: 待解析的字符串
  - 参数2: 匹配的次数。通常传-1，表示匹配所有。
  - 返回值：返回成功匹配的[][]string

[][] string说明

[
  [string1 string2]
  [string1 string2]
  [string1 string2]
]
其中：string1:表示带有匹配参考项的全部字串。string2:表示去除匹配参考项后的字串

![QQ截图20210913092814.png](resources/023ACFFD02CF5E5D3A139D3DA72BC6AB.png =1291x749)

综上分析，爬取“捧腹网”段子内容，大致可以分为三步实现。

本文作者： 梁俊可
本文链接： http://ljk3d.com/2021/10/19/goLangNote/goLangAdvance/06_GoLang语言正式课_Go网络编程_正则表达式—爬虫项目练习/
版权声明： 梁俊可工作室