Golang： 如何使用正则表达式，并实战爬取手机号

Golang： 如何使用正则表达式，并实战爬取手机号

众所周知，正则表达式是一个十分强大的存在，很多人接触了正则表达式后，都会感叹正则表达式竟然恐怖如斯。我们今天来聊一聊正则表达式吧！

常用正则规则

1. \d 数字

2. \D 非数字

3. \w 单词字符：大小写字母+数字+下划线

4. \W 非单词字符

5. \s 空白字符 ： \t +\n+\r+\f 之一

6. \S 非空白字符

7. . 换行符之外的任意字符

8. . 一个真正的点

9. regan+ regan 表示的片段出现 1 到多次

10. regan* regan 这个片段出现 0 到多次

11. regan? regan 这个片段出现 0 到 1 次

12. regan{n} regan 表示的片段出现 n 次

13. regan{m,n} regan 表示的片段出现 m 到 n 次

14. regan{,n} regan 表示的片段出现 0 到 n 次

15. [abc] a,b,c 中间的任意一个字符

16. [\s\S]习惯上表示绝对的字符，空白字符和非空白字符都行，任意字符

17. [a-z] a 到 z 中的任意一个字符

18. [^abc] 除了 abc 外的任意字符

19. regan1|regan2 regan1 或 regan2 所表示的字段

20. ^regan$regan片段匹配全{文}^{匹}配字符串开始$匹配字符串结尾

21. regan*?,regan+? 这是贪婪模式 regan*或 regan+所代表的片段，使用非贪婪模式。非贪婪模式：regan*或 regan+匹配的字符，越少越好。

正则表达式实战：爬取手机号

package main
import (  "fmt"  "io/ioutil"  "net/http"  "os"  "regexp")

var (  rephone = `1[3456789]\d{9}`)func HandleErr(err error,when string)  {  if err!=nil{    fmt.Println(when,err)    os.Exit(1)  }}func main() {  resp, err := http.Get("https://www.jihaoba.com/escrow/?&page=1")  HandleErr(err,"http.Get")  bytes, _ := ioutil.ReadAll(resp.Body)
  html:= string(bytes)  //fmt.Println(html)  re := regexp.MustCompile(rephone)  allString := re.FindAllStringSubmatch(html, -1)  fmt.Println(len(allString))  fmt.Println(allString)  phone_map := make(map[string] string)  for j:=0;j<=115;j++{     phone_str := allString[j][0]     phone_map[phone_str] = phone_str  }
  for i := range phone_map{    fmt.Println(phone_map[i])  }
}

上面就是利用正则表达式爬取这个网站第一页的手机号码的代码。

我们可以看到这个重中之重正则表达式：rephone = 1[3456789]\d{9}，这个正则表达式的意思是第一位是一，第二位可以是三到九，后面九位为任意数字。

下面来讲讲这段代码：

先是使用 http.Get()去请求网站，得到响应，然后处理得到响应体，然后将响应体转化为字符串。

再使用正则表达式去响应体全文中匹配号码字符串，由于这个网站这样匹配到的内容存在重复，所以我们将得到的号码放入 Map 的键中用于去重。

下面再来介绍一点细节：

这个 FindAllStringSubmatch()它返回第一个参数的连续匹配的片段，第一个参数是字符串，一般第二个参数 n 一般使用-1，如果 n> = 0，则该函数最多返回 n 个匹配项/子匹配项。