golang正则表达式匹配网页内容

// 简单爬虫:正则匹配网页内容
// 以下是复制人家的正则表达式的代码

var (
    //邮箱
    reQQEmail = `(\d+)@qq.com`
    reEmail   = `\w+@\w+\.\w+(\.\w+)?`

    //超链接
    //<a href="http://news.baidu.com/ns?cl=2&rn=20&tn=news&word=%C1%F4%CF%C2%D3%CA%CF%E4%20%B5%BA%B9%FA"
    reLinkBad = `<a[\s\S]*?href="(https?://[\s\S]+?)"`
    reLink    = `href="(https?://[\s\S]+?)"`

    //手机号
    //13x xxxx xxxx
    rePhone = `1[345789]\d\s?\d{4}\s?\d{4}`

    //身份证号
    //123456 1990 0817 123X
    reIdcard = `[123456]\d{5}((19\d{2})|(20[01]\d))((0[1-9])|(1[012]))((0[1-9])|([12]\d)|(3[01]))\d{3}[\dX]`

    //图片链接
    //"http://img2.imgtn.bdimg.com/it/u=2403021088,4222830812&fm=26&gp=0.jpg"
    reImg = `"(https?://[^"]+?(\.((jpg)|(jpeg)|(png)|(gif)|(bmp)|(svg)|(swf)|(ico))))"`
)

接下来,调用golang里面regexp包进行处理网页内容,提取数据,做相关处理。

详见原文:https://studygolang.com/topics/8505

https://studygolang.com/topics/8506

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值