Go语言爬虫系列教程4：使用正则表达式解析HTML内容

Go语言爬虫系列教程4：使用正则表达式解析HTML内容

正则表达式（Regular Expression，简称RegEx）是处理文本数据的利器。在网络爬虫中，我们经常需要从HTML页面中提取特定的信息，正则表达式就像一个智能的"文本筛子"，能够精确地找到我们需要的内容。

想象你在一本厚厚的电话簿中找所有以"138"开头的手机号码。如果用人工查找会很累，但如果有一个魔法筛子，你告诉它"找所有138开头的11位数字"，它就能快速找出所有符合条件的号码。正则表达式就是这样的"魔法筛子"。

一、简单演示

package mainimport ("fmt""regexp"
)// 演示基础正则表达式语法
func main() {// 1\. 字面量匹配（最简单的情况）text1 := "Hello World"pattern1 := "Hello"matched, _ := regexp.MatchString(pattern1, text1)fmt.Printf("文本: %s\n模式: %s\n匹配结果: %t\n\n", text1, pattern1, matched)

输出结果：

文本: Hello World
模式: Hello
匹配结果: true

这个代码演示的是最简单的字面量匹配

二、基础语法

正则表达式由两种基本元素组成：

  • 字面量：直接匹配文本中的字符
  • 元字符：具有特殊含义的字符，用于描述模式

2.1 字面量匹配 - 最简单的精确匹配

    text1 := "Hello World"pattern1 := "Hello"matched, _ := regexp.MatchString(pattern1, text1)fmt.Printf("文本: %s\n模式: %s\n匹配结果: %t\n\n", text1, pattern1, matched)

运行结果：

文本: Hello World
模式: Hello
匹配结果: true

作用：直接匹配指定的字符串，不使用任何特殊符号

2.2 点号(.) - 万能字符匹配器

    text2 := "cat bat hat"pattern2 := ".at"  // 匹配任意字符+atre2 := regexp.MustCompile(pattern2)matches2 := re2.FindAllString(text2, -1)fmt.Printf("文本: %s\n模式: %s (点号匹配任意字符)\n匹配结果: %v\n\n", text2, pattern2, matches2)

运行结果：

文本: cat bat hat
模式: .at (点号匹配任意字符)
匹配结果: [cat bat hat]

作用：点号.是一个特殊字符，可以匹配除换行符外的任意单个字符

  • .at匹配"任意字符+at"的模式
  • 在文本中找到了：cat(c+at)、bat(b+at)、hat(h+at)
  • 所有三个单词都符合模式

2.3 星号(*) - 贪婪的重复匹配

    text3 := "goooooogle"pattern3 := "go*gle"  // g + 0个或多个o + glematched3, _ := regexp.MatchString(pattern3, text3)fmt.Printf("文本: %s\n模式: %s (星号表示0次或多次)\n匹配结果: %t\n\n", text3, pattern3, matched3)

运行结果：

文本: goooooogle
模式: go*gle (星号表示0次或多次)
匹配结果: true

作用：星号*表示前面的字符可以出现0次或多次

  • go*gle意思是：g + (0个或多个o) + gle
  • "goooooogle"中有g + 5个o + gle，符合模式
  • 这个模式也能匹配"ggle"(0个o)、“google”(2个o)等

2.4 加号(+) - 至少一次的重复匹配

    text4 := "ggle google gooogle"pattern4 := "go+gle"  // g + 1个或多个o + glere4 := regexp.MustCompile(pattern4)matches4 := re4.FindAllString(text4, -1)fmt.Printf("文本: %s\n模式: %s (加号表示1次或多次)\n匹配结果: %v\n\n", text4, pattern4, matches4)

运行结果：

文本: ggle google gooogle
模式: go+gle (加号表示1次或多次)
匹配结果: [google gooogle]

作用：加号+表示前面的字符必须出现1次或多次

  • go+gle意思是：g + (1个或多个o) + gle
  • "ggle"不匹配（没有o）
  • "google"匹配（2个o）
  • "gooogle"匹配（3个o）

2.5 问号(?) - 可选字符匹配

    text5 := "color colour"pattern5 := "colou?r"  // colou + 0个或1个rre5 := regexp.MustCompile(pattern5)matches5 := re5.FindAllString(text5, -1)fmt.Printf("文本: %s\n模式: %s (问号表示0次或1次)\n匹配结果: %v\n\n", text5, pattern5, matches5)

运行结果：

文本: color colour
模式: colou?r (问号表示0次或1次)
匹配结果: [color colour]

作用：问号?表示前面的字符可以出现0次或1次（可选）

  • colou?r意思是：colou + (0个或1个u) + r
  • "color"匹配（0个u）
  • "colour"匹配（1个u）

2.6 方括号[] - 字符集合匹配

text1 := "cat bat rat mat"
pattern1 := "[cbr]at"  // 匹配cat、bat或rat

运行结果：

文本: cat bat rat mat
模式: [cbr]at ([cbr]匹配c、b或r中的一个)
匹配结果: [cat bat rat]

作用：方括号[]定义一个字符集合，匹配其中任意一个字符

  • [cbr]at表示：(c或b或r) + at
  • 匹配到：cat、bat、rat
  • 不匹配：mat（因为m不在[cbr]中）

2.7 范围表示法 - 连续字符的简写

text2 := "a1 b2 c3 d4"
pattern2 := "[a-c][1-3]"  // 匹配a-c中的一个字母 + 1-3中的一个数字

运行结果：

文本: a1 b2 c3 d4
模式: [a-c][1-3] ([a-c]匹配a到c，[1-3]匹配1到3)
匹配结果: [a1 b2 c3]

作用：用连字符-表示字符范围，避免逐个列举

  • [a-c]等同于[abc]
  • [1-3]等同于[123]
  • 匹配到：a1、b2、c3
  • 不匹配：d4（d不在a-c范围，4不在1-3范围）

常用范围：

  • [a-z]：小写字母
  • [A-Z]：大写字母
  • [0-9]：数字
  • [a-zA-Z0-9]：字母和数字

2.8 否定字符类[^] - 排除匹配

text3 := "cat bat rat mat"
pattern3 := "[^m]at"  // 匹配不是m开头的at

运行结果：

文本: cat bat rat mat
模式: [^m]at ([^m]匹配除了m以外的字符)
匹配结果: [cat bat rat]

作用：^在方括号内表示否定，匹配除了指定字符外的任意字符

  • [^m]at表示：(除了m以外的任意字符) + at
  • 匹配到：cat、bat、rat
  • 不匹配：mat（因为开头是m）

2.9 预定义字符类 - 常用模式的简写

text4 := "abc 123 XYZ !@#"
patterns := map[string]string{`\d`:  "匹配数字 [0-9]",`\w`:  "匹配单词字符 [a-zA-Z0-9_]",`\s`:  "匹配空白字符",`\D`:  "匹配非数字字符",`\W`:  "匹配非单词字符",`\S`:  "匹配非空白字符",
}

2.10 精确量词{n} - 确切次数匹配

text1 := "1 12 123 1234"
pattern1 := `\d{3}`  // 匹配恰好3个数字

运行结果：

文本: 1 12 123 1234
模式: \d{3} (恰好3个数字)
匹配结果: [123 123]

作用：{n}表示前面的字符或模式必须出现恰好n次

  • \d{3}匹配恰好3个连续数字
  • 在"1234"中找到"123"（前3位）
  • 注意：会优先匹配较长的数字串中的前3位

2.11 范围量词{n,m} - 区间次数匹配

text2 := "1 12 123 1234 12345"
pattern2 := `\d{2,4}`  // 匹配2到4个数字

运行结果：

文本: 1 12 123 1234 12345
模式: \d{2,4} (2到4个数字)
匹配结果: [12 123 1234 1234]

作用：{n,m}表示前面的字符出现n到m次（包含n和m）

  • 匹配2-4个连续数字
  • "1"不匹配（只有1个数字）
  • “12345"中匹配前4个"1234”（贪婪匹配，取最大值）

2.12 最少量词{n,} - 至少n次匹配

text3 := "a aa aaa aaaa"
pattern3 := `a{3,}`  // 匹配3个或更多的a

运行结果：

文本: a aa aaa aaaa
模式: a{3,} (3个或更多的a)
匹配结果: [aaa aaaa]

作用：{n,}表示前面的字符至少出现n次，没有上限

  • "a"和"aa"不匹配（少于3个）
  • "aaa"和"aaaa"匹配（3个或更多）

2.13 行边界^和$ - 位置匹配

text4 := "hello world\nworld hello\nhello"// 匹配行开始的hello
pattern4a := `^hello`
// 运行结果: [hello hello]// 匹配行结束的hello  
pattern4b := `hello$`
// 运行结果: [hello hello]

作用：

  • ^：匹配行的开始位置 ，^hello匹配每行开头的"hello"
  • $：匹配行的结束位置 ，hello$匹配每行结尾的"hello"

2.14 单词边界\b - 完整单词匹配

text5 := "cat catch catch22"
pattern5 := `\bcat\b`  // 完整的单词cat

运行结果：

文本: cat catch catch22
模式: \bcat\b (完整单词cat)
匹配结果: [cat]

作用：\b表示单词边界，确保匹配完整的单词

  • \bcat\b只匹配作为独立单词的"cat"
  • "catch"中的"cat"不匹配（后面还有字母ch）
  • "catch22"中的"cat"也不匹配

三、regexp包常用方法介绍

3.1 regexp包的核心结构

package mainimport ("fmt""regexp""strings"
)// RegexpDemo 正则表达式演示结构体
type RegexpDemo struct {name    stringpattern stringtext    string
}// 演示regexp包的主要方法
func demonstrateRegexpPackage() {fmt.Println("=== regexp包方法演示 ===")// 1\. 编译正则表达式的两种方式fmt.Println("1\. 编译正则表达式:")// 方式1：Compile - 返回错误pattern := `\d+`re1, err := regexp.Compile(pattern)if err != nil {fmt.Printf("编译错误: %v\n", err)return}fmt.Printf("Compile成功: %v\n", re1)// 方式2：MustCompile - 编译失败会panic（适合确定正确的模式）re2 := regexp.MustCompile(pattern)fmt.Printf("MustCompile成功: %v\n\n", re2)// 2\. 基本匹配方法text := "我的电话是138-1234-5678，朋友的是139-8765-4321"phonePattern := `1[3-9]\d-\d{4}-\d{4}`phoneRe := regexp.MustCompile(phonePattern)// 2.1 MatchString - 检查是否匹配fmt.Println("2\. 基本匹配方法:")matched := phoneRe.MatchString(text)fmt.Printf("MatchString: %t\n", matched)// 2.2 FindString - 找到第一个匹配firstMatch := phoneRe.FindString(text)fmt.Printf("FindString: %s\n", firstMatch)// 2.3 FindAllString - 找到所有匹配allMatches := phoneRe.FindAllString(text, -1)  // -1表示找到所有fmt.Printf("FindAllString: %v\n", allMatches)// 2.4 FindStringIndex - 找到第一个匹配的位置firstIndex := phoneRe.FindStringIndex(text)fmt.Printf("FindStringIndex: %v\n", firstIndex)if firstIndex != nil {fmt.Printf("第一个匹配的内容: %s\n", text[firstIndex[0]:firstIndex[1]])}// 2.5 FindAllStringIndex - 找到所有匹配的位置allIndexes := phoneRe.FindAllStringIndex(text, -1)fmt.Printf("FindAllStringIndex: %v\n\n", allIndexes)
}

3.2 分组和捕获

// 演示分组和捕获
func demonstrateGroupsAndCapture() {fmt.Println("=== 分组和捕获演示 ===")// 1\. 基本分组()text := "张三的邮箱是zhangsan@example.com，李四的邮箱是lisi@gmail.com"// 使用分组捕获邮箱的用户名和域名emailPattern := `(\w+)@(\w+\.\w+)`emailRe := regexp.MustCompile(emailPattern)// FindStringSubmatch - 返回第一个匹配及其分组firstSubmatch := emailRe.FindStringSubmatch(text)fmt.Printf("邮箱分组匹配:\n")if len(firstSubmatch) > 0 {fmt.Printf("完整匹配: %s\n", firstSubmatch[0])fmt.Printf("用户名: %s\n", firstSubmatch[1])fmt.Printf("域名: %s\n", firstSubmatch[2])}fmt.Println()// FindAllStringSubmatch - 返回所有匹配及其分组allSubmatches := emailRe.FindAllStringSubmatch(text, -1)fmt.Printf("所有邮箱分组匹配:\n")for i, submatch := range allSubmatches {fmt.Printf("第%d个邮箱:\n", i+1)fmt.Printf("  完整匹配: %s\n", submatch[0])fmt.Printf("  用户名: %s\n", submatch[1])fmt.Printf("  域名: %s\n", submatch[2])}fmt.Println()// 2\. 命名分组(?P<name>pattern)urlText := "访问我们的网站：https://www.example.com:8080/path?query=value"urlPattern := `(?P<protocol>https?)://(?P<domain>[\w.]+):?(?P<port>\d*)/(?P<path>[\w/]*)\??(?P<query>.*)`urlRe := regexp.MustCompile(urlPattern)matches := urlRe.FindStringSubmatch(urlText)names := urlRe.SubexpNames()fmt.Printf("URL命名分组匹配:\n")for i, name := range names {if i != 0 && name != "" && i < len(matches) {fmt.Printf("%s: %s\n", name, matches[i])}}fmt.Println()// 3\. 非捕获分组(?:pattern) - 分组但不捕获text3 := "电话: 010-12345678 或 021-87654321"// 使用非捕获分组匹配区号格式，但只捕获完整号码phonePattern2 := `(?:010|021)-(\d{8})`phoneRe2 := regexp.MustCompile(phonePattern2)allPhoneMatches := phoneRe2.FindAllStringSubmatch(text3, -1)fmt.Printf("非捕获分组示例:\n")for i, match := range allPhoneMatches {fmt.Printf("第%d个匹配:\n", i+1)fmt.Printf("  完整匹配: %s\n", match[0])fmt.Printf("  后8位号码: %s\n", match[1])}
}

3.3 替换操作

// 演示替换操作
func demonstrateReplacement() {fmt.Println("=== 替换操作演示 ===")// 1\. ReplaceAllString - 简单替换text1 := "今天是2023年12月25日，明天是2023年12月26日"datePattern := `\d{4}年\d{1,2}月\d{1,2}日`dateRe := regexp.MustCompile(datePattern)replaced1 := dateRe.ReplaceAllString(text1, "[日期]")fmt.Printf("原文: %s\n", text1)fmt.Printf("替换后: %s\n\n", replaced1)// 2\. ReplaceAllStringFunc - 使用函数替换text2 := "苹果5元，香蕉3元，橙子8元"pricePattern := `(\w+)(\d+)元`priceRe := regexp.MustCompile(pricePattern)replaced2 := priceRe.ReplaceAllStringFunc(text2, func(match string) string {// 可以在这里做复杂的处理return "[商品价格]"})fmt.Printf("原文: %s\n", text2)fmt.Printf("函数替换后: %s\n\n", replaced2)// 3\. 使用分组进行替换text3 := "联系人：张三，电话：138-1234-5678"contactPattern := `联系人：(\w+)，电话：([\d-]+)`contactRe := regexp.MustCompile(contactPattern)// $1, $2引用捕获的分组replaced3 := contactRe.ReplaceAllString(text3, "姓名: $1, 手机: $2")fmt.Printf("原文: %s\n", text3)fmt.Printf("分组替换后: %s\n\n", replaced3)// 4\. 复杂的分组替换 - 格式化电话号码text4 := "电话号码：13812345678, 15987654321, 18611112222"phonePattern3 := `(\d{3})(\d{4})(\d{4})`phoneRe3 := regexp.MustCompile(phonePattern3)formatted := phoneRe3.ReplaceAllString(text4, "$1-$2-$3")fmt.Printf("原文: %s\n", text4)fmt.Printf("格式化后: %s\n", formatted)
}

3.4 常用方法表

方法名功能描述性能建议
MatchString直接判断是否匹配，内部自动编译正则表达式适用于单次匹配，频繁调用需预编译
Compile / MustCompile预编译正则表达式，返回可重复使用的*Regexp对象必须用于高频匹配场景
FindString / FindAllString查找匹配的子串，不捕获分组内容简单查找场景
FindStringSubmatch / FindAllStringSubmatch查找匹配的子串并捕获分组内容需要提取分组时使用
ReplaceAllString / ReplaceAllStringFunc替换匹配的子串，支持静态替换或函数式动态替换替换场景通用方法
Split按正则表达式分割字符串替代strings.Split处理复杂分隔符
标志位(?i)(?s)(?m)修改正则表达式匹配规则（不区分大小写、点号匹配换行、多行模式）复杂文本匹配时使用

四、常见的正则表达式

以下是一些常见的正则表达式示例，用于匹配不同类型的文本。
注意：这些示例是基于常见的文本格式，可能需要根据实际需求进行调整。

1. 匹配邮箱

^[a-zA-Z0-9._%+\-]+@[a-zA-Z0-9.\-]+\.[a-zA-Z]{2,}$

2. 匹配手机号（以中国大陆为例）

^1[3-9][0-9]{9}$

3. 匹配身份证号（中国18位）

^\d{6}(18|19|20)?\d{2}(0[1-9]|1[0-2])(0[1-9]|[12][0-9]|3[01])\d{3}(\d|X|x)$

4. 匹配URL

^https?://[^\s/$.?#].[^\s]*$

5. 匹配IP地址（IPv4）

^(?:[0-9]{1,3}\.){3}[0-9]{1,3}$

⚠️注意：上面的正则没有严格验证0-255，可用下面更严格的版本：

^(25[0-5]|2[0-4][0-9]|[01]?[0-9][0-9]?)\.(25[0-5]|2[0-4][0-9]|[01]?[0-9][0-9]?)\.(25[0-5]|2[0-4][0-9]|[01]?[0-9][0-9]?)\.(25[0-5]|2[0-4][0-9]|[01]?[0-9][0-9]?)$

6. 匹配数字字符串

^\d+$

7. 匹配仅包含字母（不区分大小写）

^[a-zA-Z]+$

8. 匹配密码复杂性（8-20位，包含字母和数字）

^(?=.*[A-Za-z])(?=.*\d)[A-Za-z\d]{8,20}$

9. 匹配日期（YYYY-MM-DD）

^\d{4}-(0[1-9]|1[0-2])-(0[1-9]|[12]\d|3[01])$

10. 匹配正整数

^[1-9]\d*$

11. 匹配负整数

^-[1-9]\d*$

12. 匹配浮点数（正负均可）

^-?\d+(\.\d+)?$

13. 匹配由字母、数字和下划线组成的字符串

^\w+$

14. 匹配中文字符

[\p{Han}]+

需要 go 1.13+ 支持，更通用。

15. 匹配邮政编码（中国6位）

^\d{6}$

16. 匹配含有 HTML 标签的文本

<([a-zA-Z][a-zA-Z0-9]*)\b[^>]*>(.*?)</\1>

17. 匹配空白行

^\s*$

18. 匹配 MAC 地址

^([0-9A-Fa-f]{2}[:-]){5}([0-9A-Fa-f]{2})$

19. 匹配单行注释

^//.*$

20. 匹配多行注释

(?s)/\*.*?\*/

4厄3

五、实战演示

package mainimport ("fmt""regexp""strings"
)// Link 链接结构体
type Link struct {URL  stringText string
}// String 返回链接的字符串表示
func (l Link) String() string {return fmt.Sprintf("URL: %s, 文本: %s", l.URL, l.Text)
}// HTMLDataExtractor HTML数据提取器
type HTMLDataExtractor struct {patterns map[string]*regexp.Regexp
}// NewHTMLDataExtractor 创建HTML数据提取器，带错误处理
func NewHTMLDataExtractor() (*HTMLDataExtractor, error) {extractor := &HTMLDataExtractor{patterns: make(map[string]*regexp.Regexp),}// 编译正则表达式并处理错误if err := extractor.compilePatterns(); err != nil {return nil, fmt.Errorf("编译正则表达式失败: %w", err)}return extractor, nil
}// compilePatterns 编译常用的正则表达式模式，带错误处理
func (e *HTMLDataExtractor) compilePatterns() error {patterns := map[string]string{"title": `<title[^>]*>([^<]+)</title>`,// 优化meta标签匹配，支持更灵活的属性顺序和引号"meta_desc": `(?i)<meta\s+(?:[^>]*\s+)?name\s*=\s*["']description["'][^>]*\s+content\s*=\s*["']([^"']*)["']`,// 优化链接匹配，支持单引号/双引号和更多属性格式"links":  `<a[^>]*href\s*=\s*(?:["'])([^"']+)["'][^>]*>([^<]*)</a>`,"images": `<img[^>]*src\s*=\s*(?:["'])([^"']+)["'][^>]*>`,"emails": `[a-zA-Z0-9._%+-]+@[a-zA-Z0-9.-]+\.[a-zA-Z]{2,}`,"phones": `1[3-9]\d{9}`,"prices": `¥\s*(\d+(?:\.\d{2})?)`,// 修复：使用十六进制范围表示中文汉字"chinese_text": `[\x{4e00}-\x{9fa5}]+`,}for name, pattern := range patterns {re, err := regexp.Compile(pattern)if err != nil {return fmt.Errorf("编译模式 %s 失败: %w", name, err)}e.patterns[name] = re}return nil
}// ExtractTitle 提取标题
func (e *HTMLDataExtractor) ExtractTitle(html string) string {matches := e.patterns["title"].FindStringSubmatch(html)if len(matches) > 1 {return strings.TrimSpace(matches[1])}return ""
}// ExtractMetaDescription 提取meta描述
func (e *HTMLDataExtractor) ExtractMetaDescription(html string) string {matches := e.patterns["meta_desc"].FindStringSubmatch(html)if len(matches) > 1 {return strings.TrimSpace(matches[1])}return ""
}// ExtractLinks 提取所有链接
func (e *HTMLDataExtractor) ExtractLinks(html string) []Link {matches := e.patterns["links"].FindAllStringSubmatch(html, -1)var links []Linkfor _, match := range matches {if len(match) > 2 {links = append(links, Link{URL:  strings.TrimSpace(match[1]),Text: strings.TrimSpace(match[2]),})}}return links
}// ExtractImages 提取所有图片URL
func (e *HTMLDataExtractor) ExtractImages(html string) []string {matches := e.patterns["images"].FindAllStringSubmatch(html, -1)var images []stringfor _, match := range matches {if len(match) > 1 {images = append(images, strings.TrimSpace(match[1]))}}return images
}// ExtractEmails 提取所有邮箱地址
func (e *HTMLDataExtractor) ExtractEmails(html string) []string {return e.patterns["emails"].FindAllString(html, -1)
}// ExtractPhones 提取所有手机号码
func (e *HTMLDataExtractor) ExtractPhones(html string) []string {return e.patterns["phones"].FindAllString(html, -1)
}// ExtractPrices 提取所有价格
func (e *HTMLDataExtractor) ExtractPrices(html string) []string {matches := e.patterns["prices"].FindAllStringSubmatch(html, -1)var prices []stringfor _, match := range matches {if len(match) > 1 {prices = append(prices, match[1])}}return prices
}// ExtractChineseText 提取中文文本
func (e *HTMLDataExtractor) ExtractChineseText(html string) []string {return e.patterns["chinese_text"].FindAllString(html, -1)
}// 使用示例
func main() {fmt.Println("=== HTML数据提取演示 ===\n")// 示例HTML内容sampleHTML := `<!DOCTYPE html><html><head><title>购物网站 - 最优质的商品</title><meta NAME="description" content='这是一个专业的购物网站，提供优质商品和服务'></head><body><h1>欢迎来到我们的商店</h1><p>联系我们：info@example.com 或者 support@shop.com</p><p>客服电话：13812345678，18611112222</p><div class="products"><h2>热门商品</h2><div class="product"><img src='/images/phone.jpg' alt='手机'><h3>智能手机</h3><p>价格：¥2999.00</p><a href='/product/phone' class='btn'>查看详情</a></div><div class="product"><img src=/images/laptop.jpg alt=笔记本><h3>笔记本电脑</h3><p>价格：¥5999.99</p><a href='/product/laptop'>立即购买</a></div></div><footer><p>更多信息请访问 <a href='https://www.example.com'>我们的官网</a></p></footer></body></html>`// 创建提取器并处理错误extractor, err := NewHTMLDataExtractor()if err != nil {fmt.Printf("错误: %s\n", err)return}// 提取各种数据fmt.Println("📌 页面标题:")fmt.Printf("  %s\n\n", extractor.ExtractTitle(sampleHTML))fmt.Println("📝 页面描述:")fmt.Printf("  %s\n\n", extractor.ExtractMetaDescription(sampleHTML))fmt.Println("📧 邮箱地址:")emails := extractor.ExtractEmails(sampleHTML)for i, email := range emails {fmt.Printf("  %d. %s\n", i+1, email)}fmt.Println()fmt.Println("📞 手机号码:")phones := extractor.ExtractPhones(sampleHTML)for i, phone := range phones {fmt.Printf("  %d. %s\n", i+1, phone)}fmt.Println()fmt.Println("🔗 链接:")links := extractor.ExtractLinks(sampleHTML)for i, link := range links {fmt.Printf("  %d. %s\n", i+1, link)}fmt.Println()fmt.Println("🖼️ 图片:")images := extractor.ExtractImages(sampleHTML)for i, img := range images {fmt.Printf("  %d. %s\n", i+1, img)}fmt.Println()fmt.Println("💰 价格:")prices := extractor.ExtractPrices(sampleHTML)for i, price := range prices {fmt.Printf("  %d. ¥%s\n", i+1, price)}fmt.Println()fmt.Println("中文文本片段:")chineseTexts := extractor.ExtractChineseText(sampleHTML)for i, text := range chineseTexts {if len(text) > 2 { // 过滤短文本fmt.Printf("  %d. %s\n", i+1, text)}}
}

记住：正则表达式是一把双刃剑，用好了事半功倍，用错了可能带来性能问题。关键是要在合适的场景使用合适的工具！

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.pswp.cn/web/82526.shtml

如若内容造成侵权/违法违规/事实不符，请联系多彩编程网进行投诉反馈email:809451989@qq.com，一经查实，立即删除！

相关文章

笔记 | docker构建失败

笔记 | docker构建失败

笔记 | docker构建失败 构建报错LOG1 rootThinkPad-FLY:/mnt/e/02-docker/ubunutu-vm# docker build -t ubuntu16.04:v1 . [] Building 714.5s (6/11) docker:default> [internal] load …
阅读更多...
CentOS 7.9 安装 宝塔面板

CentOS 7.9 安装 宝塔面板

在 CentOS 7.9 上安装 宝塔面板&#xff08;BT Panel&#xff09; 的完整步骤如下&#xff1a; 1. 准备工作 系统要求&#xff1a; CentOS 7.x&#xff08;推荐 7.9&#xff09;内存 ≥ 1GB&#xff08;建议 2GB&#xff09;硬盘 ≥ 20GBroot 权限&#xff08;需使用 root 用户…
阅读更多...
第 86 场周赛：矩阵中的幻方、钥匙和房间、将数组拆分成斐波那契序列、猜猜这个单词

第 86 场周赛：矩阵中的幻方、钥匙和房间、将数组拆分成斐波那契序列、猜猜这个单词

Q1、[中等] 矩阵中的幻方 1、题目描述 3 x 3 的幻方是一个填充有 从 1 到 9 的不同数字的 3 x 3 矩阵&#xff0c;其中每行&#xff0c;每列以及两条对角线上的各数之和都相等。 给定一个由整数组成的row x col 的 grid&#xff0c;其中有多少个 3 3 的 “幻方” 子矩阵&am…
阅读更多...
【AI News | 20250604】每日AI进展

【AI News | 20250604】每日AI进展

AI Repos 1、jaaz Jaaz是一款免费开源的AI设计代理&#xff0c;作为Lovart的本地替代品&#xff0c;它能实现图像、海报、故事板的设计、编辑和生成。Jaaz集成了LLM&#xff0c;可智能生成提示并批量生成图像&#xff0c;支持Ollama、Stable Diffusion等本地及API模型。用户可…
阅读更多...
Docker load 后镜像名称为空问题的解决方案

Docker load 后镜像名称为空问题的解决方案

在使用 docker load命令从存档文件中加载Docker镜像时&#xff0c;有时会遇到镜像名称为空的情况。这种情况通常是由于在保存镜像时未正确标记镜像名称和标签&#xff0c;或者在加载镜像时出现了意外情况。本文将介绍如何诊断和解决这一问题。 一、问题描述 当使用 docker lo…
阅读更多...
SQL进阶之旅 Day 14：数据透视与行列转换技巧

SQL进阶之旅 Day 14：数据透视与行列转换技巧

【SQL进阶之旅 Day 14】数据透视与行列转换技巧 开篇 欢迎来到“SQL进阶之旅”系列的第14天&#xff01;今天我们将探讨数据透视与行列转换技巧&#xff0c;这是数据分析和报表生成中的核心技能。无论你是数据库开发工程师、数据分析师还是后端开发人员&#xff0c;行转列或列…
阅读更多...
haribote原型系统改进方向

haribote原型系统改进方向

在时钟中断、计时器和键盘输入方面&#xff0c;一些创新性的改进方向&#xff1a; 时钟中断 (PIT / inthandler20) 动态节拍 (Tickless Kernel)&#xff1a;当前的 PIT 中断以固定频率&#xff08;约 100Hz&#xff09;触发&#xff0c;即使系统空闲或没有即将到期的计时器&…
阅读更多...
LabVIEW基于 DataSocket从 OPC 服务器读取数据

LabVIEW基于 DataSocket从 OPC 服务器读取数据

LabVIEW 中基于 DataSocket 函数从 OPC 服务器读取数据的功能&#xff0c;为工业自动化等场景下的数据交互提供了解决方案。通过特定函数实现 URL 指定、连接建立与管理、数据读取&#xff0c;相比传统 Socket 通信和 RESTful API &#xff0c;在 OPC 服务器数据交互场景有适配…
阅读更多...
SimpleDateFormat 和 DateTimeFormatter 的异同

SimpleDateFormat 和 DateTimeFormatter 的异同

在Java开发中Date类型转String类型是比较常见的&#xff0c;其中最常用的是以下几种方式&#xff1a; 1. 使用SimpleDateFormat&#xff08;Java 8之前&#xff09; import java.text.SimpleDateFormat; import java.util.Date;public class DateToStringExample {public sta…
阅读更多...
《前端面试题：CSS对浏览器兼容性》

《前端面试题：CSS对浏览器兼容性》

CSS浏览器兼容性完全指南&#xff1a;从原理到实战 跨浏览器兼容性是前端开发的核心挑战&#xff0c;也是面试中的高频考点。查看所有css属性对各个浏览器兼容网站&#xff1a;https://caniuse.com 一、浏览器兼容性为何如此重要&#xff1f; 在当今多浏览器生态中&#xff0c…
阅读更多...
【stm32开发板】单片机最小系统原理图设计

【stm32开发板】单片机最小系统原理图设计

一、批量添加网络标签 可以选择浮动工具中的N&#xff0c;单独为引脚添加网络标签。 当芯片引脚非常多的时候&#xff0c;选中芯片&#xff0c;右键选择扇出网络标签/非连接标识 按住ctrl键即可选中多个引脚 点击将引脚名称填入网络名 就完成了引脚标签的批量添加 二、电源引…
阅读更多...
golang连接sm3认证加密（app）

golang连接sm3认证加密（app）

文章目录 环境文档用途详细信息 环境 系统平台&#xff1a;Linux x86-64 Red Hat Enterprise Linux 7 版本&#xff1a;4.5 文档用途 golang连接安全版sm3认证加密数据库,驱动程序详见附件。 详细信息 1.下载Linux golang安装包 go1.17.3.linux-amd64.tar.gz 1.1. 解压安…
阅读更多...
node实例应用

node实例应用

打开vscode,创建node项目,直接进入一个干净的文件夹&#xff0c;打开控制台 一 项目初始化 1. 初始化包管理 npm init -y2. 安装express npm install express4.17.1 3. 根目录下创建app.js,引入express // 引入expree const express require(express)// 创建实例 const …
阅读更多...
Springboot——整合websocket并根据type区别处理

Springboot——整合websocket并根据type区别处理

文章目录 前言架构思想项目结构代码实现依赖引入自定义注解定义具体的处理类定义 TypeAWebSocketHandler定义 TypeBWebSocketHandler 定义路由处理类配置类&#xff0c;绑定point制定前端页面编写测试接口方便跳转进入前端页面 测试验证结语 前言 之前写过一篇类似的博客&…
阅读更多...
vscode命令行debug

vscode命令行debug

vscode命令行debug 一般命令行debug会在远程连服务器的时候用上&#xff0c;命令行debug的本质是在执行时暴露一个监听端口&#xff0c;通过进入这个端口&#xff0c;像本地调试一样进行。 这里提供两种方式&#xff1a; 直接在命令行中添加debugpy&#xff0c;适用于python…
阅读更多...
Hot100 Day02（移动0，乘最多水的容器、三数之和、接雨水）

Hot100 Day02（移动0，乘最多水的容器、三数之和、接雨水）

移动零 题目链接 题目描述&#xff1a; 思路&#xff1a;上述蓝色箭头代表当前遍历的元素&#xff0c;红色数字则是当前空位0的位置&#xff0c;每一次遇到非0元素&#xff0c;就是讲该元素的位置和空位0的位置进行交换&#xff0c;同时空位0的下标1. 代码 class Solution …
阅读更多...
(eNSP）配置WDS手拉手业务

(eNSP）配置WDS手拉手业务

1.实验拓扑 2.基础配置 [SW1]dis cu # sysname SW1 # vlan batch 10 100 110 120 # dhcp enable # interface Vlanif10ip address 192.168.10.2 255.255.255.0 # interface Vlanif100ip address 192.168.100.2 255.255.255.0dhcp select interfacedhcp server excluded-ip-add…
阅读更多...
lua的笔记记录

lua的笔记记录

类似python的eval和exec 可以伪装成其他格式的文件&#xff0c;比如.dll 希望在异常发生时&#xff0c;能够让其沉默&#xff0c;即异常捕获。而在 Lua 中实现异常捕获的话&#xff0c;需要使用函数 pcall&#xff0c;假设要执行一段 Lua 代码并捕获里面出现的所有错误&#xf…
阅读更多...
【DeepSeek】【Dify】：用 Dify 对话流+标题关键词注入，让 RAG 准确率飞跃

【DeepSeek】【Dify】：用 Dify 对话流+标题关键词注入，让 RAG 准确率飞跃

1 构建对话流处理数据 初始准备 文章大纲摘要 数据标注和清洗 代码执行 特别注解 2 对话流测试 准备工作 大纲生成 清洗片段 整合分段 3 构建知识库 构建 召回测试 4 实战应用测试 关键词提取 智能总结 测试 1 构建对话流处理数据 初始准备 构建对话变量 用…
阅读更多...
RabbitMQ 开机启动配置教程

RabbitMQ 开机启动配置教程

RabbitMQ 开机启动配置教程 在本教程中&#xff0c;我们将详细介绍如何配置 RabbitMQ 以实现开机自动启动。此配置适用于手动安装的 RabbitMQ 版本。 环境准备 操作系统&#xff1a;CentOS 7RabbitMQ 版本&#xff1a;3.8.4Erlang 版本&#xff1a;21.3 步骤 1. 安装 Erla…
阅读更多...
最新文章

Copyright @ 2022~2023