如何计算 HTML 文件或 HTML 字符串中的字符数和单词数？

Question

我从 HTML 文件中输入了这个字符串：<h1> Hello world </h1> 我想计算这个文件的单词和字符数（不包括 HTML 元素）例如：Input <h1>Hello</h1>\n<h1>Hello</h1>OutputCharacters : 10Word : 2我相信会有一个步骤我们首先解析这个 HTML 内容。但我不知道哪个包支持。

Answer 1

您可以通过正则表达式找到它们。

    input := []byte("<h1>Hello</h1>\n<h1>Hello</h1>")

    tags, _ := regexp.Compile("(\\<\\/?[A-z0-9]+\\>)|(\\\\[A-z]{1})")

    // remove tags and backslash characters

    input = tags.ReplaceAll(input, []byte(" "))

    words, _ := regexp.Compile("[A-z0-9]+")

    // find all matched words and count them

    fmt.Println("total words: ", len(words.FindAll(input, -1)))

    chars, _ := regexp.Compile("[A-z0-9]{1}")

    // find all matched characters and count them

    fmt.Println("total characters: ", len(chars.FindAll(input, -1)))    

输出：

total words:  2

total characters:  10