Go 语言正则表达式去除html标签

Go 语言正则表达式去除html标签,对于文章摘要比较有用,代码如下:


package main  
  
import (  
    "fmt"  
    "io/ioutil"  
    "net/http"  
    "regexp"  
    "strings"  
)  
  
func main() {  
    resp, err := http.Get("http://www.baidu.com")  
    // resp, err := http.Get("http://www.163.com")  
    if err != nil {  
        fmt.Println("http get error.")  
    }  
    defer resp.Body.Close()  
    body, err := ioutil.ReadAll(resp.Body)  
    if err != nil {  
        fmt.Println("http read error")  
    }  
  
    src := string(body)  
  
    //将HTML标签全转换成小写  
    re, _ := regexp.Compile("\\<[\\S\\s]+?\\>")  
    src = re.ReplaceAllStringFunc(src, strings.ToLower)  
  
    //去除STYLE  
    re, _ = regexp.Compile("\\<style[\\S\\s]+?\\</style\\>")  
    src = re.ReplaceAllString(src, "")  
  
    //去除SCRIPT  
    re, _ = regexp.Compile("\\<script[\\S\\s]+?\\</script\\>")  
    src = re.ReplaceAllString(src, "")  
  
    //去除所有尖括号内的HTML代码,并换成换行符  
    re, _ = regexp.Compile("\\<[\\S\\s]+?\\>")  
    src = re.ReplaceAllString(src, "\n")  
  
    //去除连续的换行符  
    re, _ = regexp.Compile("\\s{2,}")  
    src = re.ReplaceAllString(src, "\n")  
  
    fmt.Println(strings.TrimSpace(src))  
}  

郑重声明:本站内容如果来自互联网及其他传播媒体,其版权均属原媒体及文章作者所有。转载目的在于传递更多信息及用于网络分享,并不代表本站赞同其观点和对其真实性负责,也不构成任何其他建议。