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>

我想统计这个文件的字数和字符数（不包括HTML元素）

例如：

Input 

<h1>Hello</h1>\n<h1>Hello</h1>

Output

Characters : 10
Word : 2

我相信会有一个步骤我们首先解析这个HTML内容。但是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

如何计算 HTML 文件或 HTML 字符串中的字符数和单词数？

How to count number of characters and words in an HTML file or HTML string?

go