Golang: 如何使用正则表达式,并实战爬取手机号

Posted Regan_Yue

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了Golang: 如何使用正则表达式,并实战爬取手机号相关的知识,希望对你有一定的参考价值。

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。



以上是关于Golang: 如何使用正则表达式,并实战爬取手机号的主要内容,如果未能解决你的问题,请参考以下文章

Python爬虫实战之如何爬取百度贴吧帖子?案例详解

Python爬虫实战之如何爬取百度贴吧帖子?案例详解

Python实战之如何爬取猫眼电影排行?本文详解

Python爬虫应用实战案例-xpath正则表达式使用方法,爬取精美壁纸

Python爬虫实战之Requests+正则表达式爬取猫眼电影Top100

Golang - 爬虫案例实践