我们在做爬虫的过程中，需要对爬取到的内容处理，比如说提取出我们需要的内容和文本，比如城市信息、人员信息等等，除了字符串查找外，使用正则匹配是比较优雅和方便的方案。
这篇文章，主要以提取URL中的日期和文章名为例，来举例说明如何使用正则提取字符串。
比如这个URL正则w，这是前段时间写的一篇关于的使用教程。从这个URL我们可以看到有年月日的日期信息，还有最后面的文章的名称信息，这样一个URL，我们如何从中得到这些信息呢？这就要用到正则表达式的分组了。
正则表达式的分组，以括号()表示正则w，每一对括号就是我们匹配到的一个文本，可以把他们提取出来。
通过上面URl的分析，我们定义正则表达式如下：
1^http://www.flysnow.org/([d]{4})/([d]{2})/([d]{2})/([w-]+).html$
^$分别表示匹配的开始和结束，界定我们正则表达式的范围。
[d]{4}表示我们要正好匹配4位数字，因为年份是4位，所以我们定义为匹配4位。后面的月份和天是2位，所以定义为2位。
[w-]匹配字符串和中杠，加号(+)表示匹配1个或者多个。
然后他们都加了括号()，意味着我们要提取这些字符串。
下面看下完整的源代码。
1flysnowRegexp := regexp.MustCompile(`^http://www.flysnow.org/([d]{4})/([d]{2})/([d]{2})/([w-]+).html$`)
2params := flysnowRegexp.FindStringSubmatch("http://www.flysnow.org/2018/01/20/golang-goquery-examples-selector.html")
3
4for _,param :=range params {
5 fmt.Println(param)
6}
运行打印输出：
1http://www.flysnow.org/2018/01/20/golang-goquery-examples-selector.html
22018
301
420
5golang-goquery-examples-selector
方法是提取出匹配的字符串，然后通过[]返回。我们可以看到，第1个匹配到的是这个字符串本身，从第2个开始，才是我们想要的字符串。
1 fmt.Println("年份为："+params[1])
2 fmt.Println("月份为："+params[2])
3 fmt.Println("天数为："+params[3])
4 fmt.Println("文章名为："+params[4])
这样我们需要的这篇文章的信息就被提取出来了。
正则对于处理文章很好用，关于更多正则的使用，可以参考官方的这篇正则表达式的介绍。
声明：本站所有文章，如无特殊说明或标注，均为本站原创发布。任何个人或组织，在未征得本站同意时，禁止复制、盗用、采集、发布本站内容到任何网站、书籍等各类媒体平台。如若本站内容侵犯了原著者的合法权益，可联系我们进行处理。