Golangregexp正则匹配

做爬虫的时候，往往需要对爬取的内容进行文本搜索，此时使用正则表达式进行模式匹配是一种优雅的做法。

golang的标准库regexp提供了正则表达式的相关用法。

regexp语法规则

如果想要利用正则表达式直接进行模式匹配，比较常见的是直接使用regexp.Match函数和regexp.MatchString函数，或者使用Regexp类型及其相关方法。

regexp.Match

• 定义：

func Match(pattern string, b []byte) (matched bool, err error)
复制代码

该方法可判断byte slice是否匹配正则表达式。返回匹配结果，以及error。

• 示例：

matched, _ := regexp.Match("b", []byte("hello golang"))
fmt.Println(matched) // false
复制代码

regexp.MatchString

• 定义：

func Match(pattern string, s string) (matched bool, err error)
复制代码

该方法可判断string是否匹配正则表达式。返回匹配结果，以及error。

• 示例：

matched, _ := regexp.MatchString("b", "hello golang")
fmt.Println(matched)
复制代码

Regexp类型

• 类型定义：

type Regexp struct {}
复制代码

Regexp是编译后的正则表达式，可以被多个goroutines并发使用。

Regexp类型实例的获取方法，常见的有Compile和MustCompile。

Compile

该方法编译正则表达式，然后将编译后的结果返回。方法定义为：

func Compile(expr string) (*Regexp, error)
复制代码

MustCompile

该方法和Compile很类似，但是如果编译发生错误，不会返回错误，而是直接panic。

Regexp常见的匹配方法

Regexp包含很多匹配方法，下面将列举说明较为常见的。

Find

该方法返回第一个匹配的[]byte。

• 定义为：

func (re *Regexp) Find(b []byte) []byte
复制代码

• 示例：

re := regexp.MustCompile("a")
match := re.Find([]byte("hello golang"))
fmt.Println(string(match)) // a
复制代码

FindAll

该方法返回由匹配结果组成的slice。

• 定义为：

func (re *Regexp) FindAll(b []byte, n int) [][]byte
复制代码

• 返回的slice长度由参数n指定：

  • 当n < 0时，返回所有匹配个数；

  • 当n >= 0且n <= 总匹配个数，返回n个结果；

  • 当n > 总匹配个数，返回所有结果。

• 示例：

re := regexp.MustCompile("l[a-z]")
match := re.FindAll([]byte("hello world, hello golang"), -1)
for _, m := range match {
	fmt.Println(string(m))
}
// ll
// ld
// ll
// la
复制代码

FindString

该方法返回匹配的字符串。

• 定义为：

func (re *Regexp) FindString (s string) string
复制代码

• 示例：

re := regexp.MustCompile("l[a-z]")
match := re.FindString("hello world, hello golang")
fmt.Println(match) // ll
复制代码

FindAllString

• 定义为：

func (re *Regexp) FindAllString(s string, n int) []string
复制代码

该方法根据参数n，返回匹配结果，如果匹配不成功，则返回nil

• 示例：

re := regexp.MustCompile("l[a-z]")
match := re.FindAllString("hello world, hello golang", -1)
for _, m := range match {
	fmt.Println(string(m))
}
// ll
// ld
// ll
// la
复制代码

FindIndex

该方法返回第一个匹配结果在原始字符串中的位置。

• 定义为：

func (re *Regexp) FindIndex(b []byte) (loc []int)
复制代码

loc[0]是匹配结果的开始位置，loc[1]是匹配结果的结束位置+1，如果找不到匹配，则返回空slice。

• 示例：

re := regexp.MustCompile("l[a-z]")
match := re.FindIndex([]byte("hello world, hello golang"))
fmt.Println(match) // [2 4]
复制代码

FinAllIndex

该方法是FindIndex的all版本，它根据n参数，决定返回结果的个数。

• 定义为：

func (re *Regexp) FindAllIndex(b []byte, n int) [][]int
复制代码

n的用法参见FindAll。

• 示例：

re := regexp.MustCompile("l[a-z]")
match := re.FindAllIndex([]byte("hello world, hello golang"), -1)
for _, m := range match {
	fmt.Println(m)
}
// [2 4] [9 11] [15 17] [21 23]
复制代码

FindStringIndex

该方法的作用同FindIndex，只是传入的参数类型不同。

• 定义为：

func (re *Regexp) FindStringIndex(s string) (loc []int)
复制代码

FindAllStringIndex

该方法是FindStringIndex的all版本。

• 定义为：

func (re *Regexp) FindAllStringIndex(s string, n int) [][]int
复制代码

FindStringSubmatch

该方法返回匹配的字符串组。

• 定义为：

func (re *Regexp) FindStringSubmatch(s string) []string
复制代码

仅仅看说明可能难以理解该方法的作用，下面举例说明：

...
re := regexp.MustCompile(`(aaa)bb(c)`)
fmt.Printf("%q\n", re.FindStringSubmatch("aaabbc"))
复制代码

返回结果为：

["aaabbc", "aaa", "c"]
复制代码

FindAllStringSubmatch

该方法是FindStringSubmatch的all版本。

• 实现为：

func (re *Regexp) FindAllStringSubmatch(s string, n int) [][]string
复制代码

Match

该方法判断byte slice是否匹配正则表达式。

• 定义：

func (re *Regexp) Match(b []byte) bool
复制代码

• 示例：

re := regexp.MustCompile(`hello`)
match := re.Match([]byte("hello everyone"))
fmt.Println(match) // true
复制代码

MatchString

判断字符串是否匹配正则表达式。

• 定义：

func (re *Regexp) MatchString(s string) bool
复制代码

• 示例：

re := regexp.MustCompile(`hello`)
match := re.MatchString("hello everyone")
fmt.Println(match) // true
复制代码

ReplaceAll

• 定义为：

func (re *Regexp) ReplaceAll(src, repl []byte) []byte
复制代码

该方法返回src的一个拷贝，该拷贝中的所有匹配项都会被repl替换。

• 示例：

re := regexp.MustCompile(`hello`)
match := re.ReplaceAll([]byte("hello everyone"), []byte("hi!"))
fmt.Println(string(match)) // hi! everyone
复制代码

ReplaceAllString

• 定义为：

func (re *Regexp) ReplaceAllString(src, repl string) string
复制代码

该方法返回src的一个拷贝，该拷贝的所有匹配项都会被repl替换。

• 示例：

re := regexp.MustCompile(`hello`)
match := re.ReplaceAllString("hello everyone", "hi!")
fmt.Println(match) // hi! everyone
复制代码

Split

• 定义为：

func (re *Regexp) Split(s string, n int) []string
复制代码

该方法以匹配项作为分割符，将s分割成多个字符串，并且返回字符串组成的切片。

• 示例：

re := regexp.MustCompile(`a`)
s := re.Split("abacadaeafff", -1)
fmt.Println(s) // ["", "b", "c", "d", "e", "fff"]
复制代码

• 参数n控制返回的slice长度：

  • n > 0：返回最多n个字符串，最后一个是剩余未进行切割的部分

  • n == 0：返回nil

  • n < 0：返回所有字符串

正则表达式语法规则