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。