从无格式文本中提取多个值

从现在开始，我们要努力学习啦！今天我给大家带来《从无格式文本中提取多个值》，感兴趣的朋友请继续看下去吧！下文中的内容我们主要会涉及到等等知识点，如果在阅读本文过程中有遇到不清楚的地方，欢迎留言呀！我们一起讨论，一起学习！

我的问题是如何从 go 中的多行文本中提取 count:、temp:、total:、used: 之后的值。

welcome, user [user cp]   [count: 1,014,747.1] [some] [ohter: 0]

temp:  14.231  total:  10.0 tb used:  964.57 gb  on line:  2  0 traffic count: 1995




10 (0 new)   0

所以我可以获得这些值 1,014,747.1, 14.231, 10.0tb, 964.57gb 然后分配给像这样的 go 结构

struct {
    count float64
    temp  float64
    total string
    used  string
}

我尝试过使用 regexp，但它导致我需要编写四个 regxp 并使用相同的文本运行四次才能一一提取这些值。为什么我需要运行 4 次很清楚，因为我编写了 4 个 regxp 来提取 for 值。

var count = regexp.mustcompile(`(?m)(count:\s*(\d+([\,]\d+)*([\.]\d+)))`)
var temp = regexp.mustcompile(`(?m)(temp:\s*(\d+[\.]?\d*))`)
var total = regexp.mustcompile(`(?m)(total:\s*(\d+\.?\d*\s\w\w))`)
var used = regexp.mustcompile(`(?m)(used:\s*(\d+\.?\d*\s\w\w))`)

// run these regexp to get values

我尝试过使用一个正则表达式，但匹配结果包含很多空元素，我无法通过固定索引获取值。

package main

import (
    "regexp"
    "fmt"
)

func main() {
    var re = regexp.mustcompile(`(?m)(count:\s*(\d+([\,]\d+)*([\.]\d+)))|(temp:\s*(\d+[\.]?\d*))|(total:\s*(\d+\.?\d*\s\w\w))|(used:\s*(\d+\.?\d*\s\w\w))`)
    var str = `welcome, user [user cp]   [count: 1,014,747.1] [some] [ohter: 0]

temp:  14.231  total:  10.0 tb used:  964.57 gb  on line:  2  0 traffic count: 1995




10 (0 new)   0`

    for i, match := range re.findallstringsubmatch(str, -1) {
        fmt.println(match, "found at index", i)
    }
}

结果是，结果中有一些不同数量的空元素，所以我无法通过固定索引获取值。

[Count: 1,014,747.1 Count: 1,014,747.1 1,014,747.1 ,747 .1      ] found at index 0
[Temp:  14.231     Temp:  14.231 14.231    ] found at index 1
[Total:  10.0 TB       Total:  10.0 TB 10.0 TB  ] found at index 2
[Used:  964.57 GB         Used:  964.57 GB 964.57 GB] found at index 3

1,014,747.1 在索引 2 处，14.231 在索引 6 处，10.0 tb 在索引 8 处，964.57 gb 在索引 10 处。所以我无法使用固定索引来获取该值。 更清晰的分组结果参见https://regex101.com/r/jenohn/3，匹配信息显示了问题所在。

那么有没有更优雅的方式来提取这些值呢？值的顺序可能会有所不同，并且文本之间可能有一些额外的单词（或丢失一些单词），因此不可能按计数长度进行提取。

我考虑过使用有限状态机，但不知道如何实现它，而且我也不确定这是一种正确的方法。

解决方案

看起来你有大量的捕获组，但你实际上并没有尝试捕获，还有很多不必要的指定内容，以及缺少的 s 标志。我已经清理了表达式并且它有效：https://play.golang.org/p/D9WxFCYQ8s0

(?ms)Count:\s*([0-9,.]+).*Temp:\s*([0-9.]+).*Total:\s*([0-9.]+).*Used:\s*([0-9.]+)

今天关于《从无格式文本中提取多个值》的内容就介绍到这里了，是不是学起来一目了然！想要了解更多关于的内容请关注golang学习网公众号！