实战记录Golang使用正则表达式爬取手机号（附代码实例）
2024-09-16 00:16:10
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\d数字
\D非数字
\w单词字符：大小写字母+数字+下划线
\W非单词字符
\s空白字符：\t+\n+\r+\f之一
\S非空白字符
.换行符之外的任意字符
.一个真正的点
regan+regan表示的片段出现1到多次
regan*regan这个片段出现0到多次
regan?regan这个片段出现0到1次
regan{n}regan表示的片段出现n次
regan{m,n}regan表示的片段出现m到n次
regan{,n}regan表示的片段出现0到n次
[abc]a,b,c中间的任意一个字符
[\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
[a-z]a到z中的任意一个字符
[^abc]除了abc外的任意字符
regan1|regan2regan1或regan2所表示的字段
^reganregan片段匹配全文匹配字符串开始regan片段匹配全文^匹配字符串开始regan片段匹配全文匹配字符串开始匹配字符串结尾
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packagemainimport("fmt""io/ioutil""net/http""os""regexp")var(rephone=`1[3456789]\d{9}`)funcHandleErr(errerror,whenstring){iferr!=nil{fmt.Println(when,err)os.Exit(1)}}funcmain(){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)forj:=0;j<=115;j++{phone_str:=allString[j][0]phone_map[phone_str]=phone_str}fori:=rangephone_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。
作者：ReganYue著作权归作者所有。
热门标签
