Golang模板template

简介: Golang模板template

背景概述
当我们在进行json字段选取以及渲染时,我们经常会见到{ {}},其实这就是我们今天要讲解的模板即是template。例如prometheusAlert中的模板就是使用了改语法。

必备技能
字段选取


{ { . }} 表示json的所有域,例如:{"name":"anruo","age":18},我们使用{ { . }}就可以获取到所有的内容 { { .name }} 就可以获取到anruo字符串。

range: 循环,当json中有列表时,我们可以使用{ {range $index,$value:=.xx}}{ {$index,$value}}{ {end}}来进行取值。

{ {-}}: 去重空格内容

自定义函数

所谓自定义函数,即是我们可以自定义处理字段。例如:时间字段中的时区转换。

运算符


eq: ==

ge: >=

gt: >

le: <=

lt: <

ne: !=

案例演示
我们先模拟一下源数据,这里我们定义一个结构体

type Temp struct {
Name string
Age int64
Like []string
Study []Study
}

type Study struct {
Name string
School string
}
初始化template

func NewTemplate(tmpl string) (*template.Template, error) {
return template.New("anruo").Funcs(TmpFuncMap()).Parse(tmpl)
}

func TmpExcute(tmpl string, data interface{}) {
t, := NewTemplate(tmpl) = t.Execute(os.Stdout, data)
}

func TmpFuncMap() template.FuncMap {
return template.FuncMap{
"GetLocalTime": func() string { return time.Now().String() },
"SubTime": func(oldTime string) string {
t1, := time.Parse("2006-01-02 15:04:05", oldTime)
t2,
:= time.Parse("2006-01-02 15:04:05", time.Now().Format("2006-01-02 15:04:05"))
return t2.Sub(t1).String()
},
}
}

这里我们使用了自定义函数,当然这是我们模拟使用的。

定义解析

姓名:{ {- .Name}}
年龄:{ {.Age}}
{ {range $value := .Like}}
爱好:{ {$value}}
{ {end}}
{ {range $value := .Study}}
学科:{ {$value.Name}}
学校:{ {$value.School}}
{ {end}}
当前时间: { {GetLocalTime}}
时间差:{ {SubTime "2024-09-09 15:04:05"}}
完整代码如下

package main

import (
"html/template"
"os"
"time"
)

func main() {
var temp = Temp{
Name: "张三",
Age: 18,
Like: []string{"足球", "篮球"},
Study: []Study{
{Name: "语文", School: "铁岭小学"},
{Name: "数学", School: "吉林中学"},
{Name: "英语", School: "郑州大学"},
},
}
tmpl := 姓名:{ {- .Name}} 年龄:{ {.Age}} { {range $value := .Like}} 爱好:{ {$value}} { {end}} { {range $value := .Study}} 学科:{ {$value.Name}} 学校:{ {$value.School}} { {end}} 当前时间: { {GetLocalTime}} 时间差:{ {SubTime "2024-09-09 15:04:05"}}
TmpExcute(tmpl, temp)
}

func NewTemplate(tmpl string) (*template.Template, error) {
return template.New("anruo").Funcs(TmpFuncMap()).Parse(tmpl)
}

func TmpExcute(tmpl string, data interface{}) {
t, := NewTemplate(tmpl) = t.Execute(os.Stdout, data)
}

func TmpFuncMap() template.FuncMap {
return template.FuncMap{
"GetLocalTime": func() string { return time.Now().String() },
"SubTime": func(oldTime string) string {
t1, := time.Parse("2006-01-02 15:04:05", oldTime)
t2,
:= time.Parse("2006-01-02 15:04:05", time.Now().Format("2006-01-02 15:04:05"))
return t2.Sub(t1).String()
},
}
}

type Temp struct {
Name string
Age int64
Like []string
Study []Study
}

type Study struct {
Name string
School string
}
运行结果为:


姓名:张三 年龄:18

爱好:足球

爱好:篮球

学科:语文 学校:铁岭小学

学科:数学 学校:吉林中学

学科:英语 学校:郑州大学

当前时间: 2024-09-09 16:48:40.7547471 +0800 CST m=+0.005393101 时间差:1h44m35s

图片image-20240910164257362
我们可以发现是有空行的,那么我们可以使用我们-来取消空行

姓名:{ {- .Name}}
年龄:{ {.Age}}
{ {range $value := .Like -}}
爱好:{ {$value}}
{ {end}}
{ {- range $value := .Study -}}
学科:{ {$value.Name}}
学校:{ {$value.School}}
{ {end -}}
当前时间: { {GetLocalTime}}
时间差:{ {SubTime "2024-09-09 15:04:05"}}
运行结果为:

图片image-20240910164306692
我们可以发现,其中学科和学校是单独的行,如果我们要进行合并呢

姓名:{ {- .Name}}
年龄:{ {.Age}}
{ {range $value := .Like -}}
爱好:{ {$value}}
{ {end -}}
学科:{ {range $index, $value := .Study}}{ {if $index}}, { {end}}{ {$value.Name}}{ {end}}
学校:{ {range $index, $value := .Study}}{ {if $index}}, { {end}}{ {$value.School}}{ {end}}
当前时间: { {GetLocalTime}}
时间差:{ {SubTime "2024-09-09 15:04:05" -}}

我们可以使用字符串拼接的方式,当然我们也可以使用自定义函数来进行。

看一个if判断的模板

姓名:{ {- .Name}}
{ {- if eq .Age 19}}
年龄:{ {.Age}}
{ {else}}
年龄:{ {.Age}}+
{ {end -}}
{ {range $value := .Like -}}
爱好:{ {$value}}
{ {end -}}
学科:{ {range $index, $value := .Study}}{ {if $index}}, { {end}}{ {$value.Name}}{ {end}}
学校:{ {range $index, $value := .Study}}{ {if $index}}, { {end}}{ {$value.School}}{ {end}}
当前时间: { {GetLocalTime}}
时间差:{ {SubTime "2024-09-09 15:04:05" -}}

这里我们使用了Age进行判断,其结果为:

图片image-20240910164118887
告警数据
我们这里以prometheus的告警数据为例,来简单说明一下template的用法

告警源数据

[kod.yhjh88.com)
[kod.z-lonbuy.com)
[kod.zg-slw.com)
[kod.zsytwl.com)
[kod.ywsd.net)
[kod.yutonggd.com)
[kod.yzzzy.com)
[kod.yishangfushi.com)
[kod.zuochenxue.com)
[kod.zkxw.net)
{
"receiver": "webhook-zja",
"status": "firing",
"alerts": [
{
"status": "firing",
"labels": {
"alertname": "服务线程数超过1500",
"container": "data-center",
"namespace": "bigdata",
"severity": "warning"
},
"annotations": {
"description": "bigdata data-center 线程数超过1500!!当前值1.629k% ",
"summary": "bigdata data-center 线程数超过1500!"
},
"startsAt": "2023-08-09T15:23:17.0967074Z",
"endsAt": "0001-01-01T00:00:00Z",
"fingerprint": "4e4b8a9d78edaacd"
},
{
"status": "firing",
"labels": {
"alertname": "服务线程数超过1500",
"container": "english-server",
"namespace": "english",
"severity": "warning"
},
"annotations": {
"description": "english english-server 线程数超过1500!!当前值2.011k% ",
"summary": "english english-server 线程数超过1500!"
},
"startsAt": "2023-08-10T06:35:17.0967074Z",
"endsAt": "0001-01-01T00:00:00Z",
"fingerprint": "16e2c7f3733ec786"
},
{
"status": "firing",
"labels": {
"alertname": "服务线程数超过1500",
"container": "english-web",
"namespace": "english",
"severity": "warning"
},
"annotations": {
"description": "english english-web 线程数超过1500!!当前值2.51k% ",
"summary": "english english-web 线程数超过1500!"
},
"startsAt": "2023-08-10T06:24:17.0967074Z",
"endsAt": "0001-01-01T00:00:00Z",
"fingerprint": "259577587fd712fb"
},
{
"status": "firing",
"labels": {
"alertname": "服务线程数超过1500",
"container": "english-web2",
"namespace": "english",
"severity": "warning"
},
"annotations": {
"description": "english english-web2 线程数超过1500!!当前值1.541k%",
"summary": "english english-web2 线程数超过1500!"
},
"startsAt": "2023-08-10T07:35:17.0967074Z",
"endsAt": "0001-01-01T00:00:00Z",
"fingerprint": "fd899e29b5a3d4a8"
}
],
"groupLabels": {
"alertname": "服务线程数超过1500"
},
"commonLabels": {
"alertname": "服务线程数超过1500",
"severity": "warning"
},
"commonAnnotations": {},
"externalURL": "http://kube-prometheus-alertmanager.monitoring:9093",
"version": "4",
"groupKey": "{}:{alertname=\"服务线程数超过1500\"}",
"truncatedAlerts": 0
}
模板

{ {- $alertDesc := "" -}}
{ {- range $k, $v := .alerts -}}
{ {- if eq $k 0 -}}
{ {- $alertDesc = $v.annotations.description -}}
{ {- end -}}
{ {- end -}}
告警名称:{ {.groupLabels.alertname}}
告警服务: { { range $k,$v:=.alerts }}{ {if $k}},{ {end}}{ {$v.labels.container}}{ {if $v.labels.namespace}}({ {$v.labels.namespace}}){ {end}}{ {end}}
告警描述:{ {$alertDesc}}

结果为:

告警名称:服务线程数超过1500

告警服务: data-center-point-server(bigdata-prod),english-parent-web(english-prod),english-student-web(english-prod),english-student-web3(english-prod)

告警描述:bigdata-prod data-center-point-server 线程数超过1500!!当前值1.629k%

总结
到此我们template就大致结束了,当我们在进行程序开发时,我们可以利用该包进行一些模板的渲染,例如Go+Ansible+Nginx的实现即是利用了该包,还有prometheusAlert也是如此。

相关文章
|
24天前
|
弹性计算 人工智能 架构师
阿里云携手Altair共拓云上工业仿真新机遇
2024年9月12日,「2024 Altair 技术大会杭州站」成功召开,阿里云弹性计算产品运营与生态负责人何川,与Altair中国技术总监赵阳在会上联合发布了最新的“云上CAE一体机”。
阿里云携手Altair共拓云上工业仿真新机遇
|
16天前
|
存储 关系型数据库 分布式数据库
GraphRAG:基于PolarDB+通义千问+LangChain的知识图谱+大模型最佳实践
本文介绍了如何使用PolarDB、通义千问和LangChain搭建GraphRAG系统,结合知识图谱和向量检索提升问答质量。通过实例展示了单独使用向量检索和图检索的局限性,并通过图+向量联合搜索增强了问答准确性。PolarDB支持AGE图引擎和pgvector插件,实现图数据和向量数据的统一存储与检索,提升了RAG系统的性能和效果。
|
20天前
|
机器学习/深度学习 算法 大数据
【BetterBench博士】2024 “华为杯”第二十一届中国研究生数学建模竞赛 选题分析
2024“华为杯”数学建模竞赛,对ABCDEF每个题进行详细的分析,涵盖风电场功率优化、WLAN网络吞吐量、磁性元件损耗建模、地理环境问题、高速公路应急车道启用和X射线脉冲星建模等多领域问题,解析了问题类型、专业和技能的需要。
2577 22
【BetterBench博士】2024 “华为杯”第二十一届中国研究生数学建模竞赛 选题分析
|
18天前
|
人工智能 IDE 程序员
期盼已久!通义灵码 AI 程序员开启邀测,全流程开发仅用几分钟
在云栖大会上,阿里云云原生应用平台负责人丁宇宣布,「通义灵码」完成全面升级,并正式发布 AI 程序员。
|
3天前
|
JSON 自然语言处理 数据管理
阿里云百炼产品月刊【2024年9月】
阿里云百炼产品月刊【2024年9月】,涵盖本月产品和功能发布、活动,应用实践等内容,帮助您快速了解阿里云百炼产品的最新动态。
阿里云百炼产品月刊【2024年9月】
|
2天前
|
存储 人工智能 搜索推荐
数据治理,是时候打破刻板印象了
瓴羊智能数据建设与治理产品Datapin全面升级,可演进扩展的数据架构体系为企业数据治理预留发展空间,推出敏捷版用以解决企业数据量不大但需构建数据的场景问题,基于大模型打造的DataAgent更是为企业用好数据资产提供了便利。
164 2
|
20天前
|
机器学习/深度学习 算法 数据可视化
【BetterBench博士】2024年中国研究生数学建模竞赛 C题:数据驱动下磁性元件的磁芯损耗建模 问题分析、数学模型、python 代码
2024年中国研究生数学建模竞赛C题聚焦磁性元件磁芯损耗建模。题目背景介绍了电能变换技术的发展与应用,强调磁性元件在功率变换器中的重要性。磁芯损耗受多种因素影响,现有模型难以精确预测。题目要求通过数据分析建立高精度磁芯损耗模型。具体任务包括励磁波形分类、修正斯坦麦茨方程、分析影响因素、构建预测模型及优化设计条件。涉及数据预处理、特征提取、机器学习及优化算法等技术。适合电气、材料、计算机等多个专业学生参与。
1576 16
【BetterBench博士】2024年中国研究生数学建模竞赛 C题:数据驱动下磁性元件的磁芯损耗建模 问题分析、数学模型、python 代码
|
22天前
|
编解码 JSON 自然语言处理
通义千问重磅开源Qwen2.5,性能超越Llama
击败Meta,阿里Qwen2.5再登全球开源大模型王座
978 14
|
4天前
|
Linux 虚拟化 开发者
一键将CentOs的yum源更换为国内阿里yum源
一键将CentOs的yum源更换为国内阿里yum源
221 2
|
17天前
|
人工智能 开发框架 Java
重磅发布!AI 驱动的 Java 开发框架:Spring AI Alibaba
随着生成式 AI 的快速发展,基于 AI 开发框架构建 AI 应用的诉求迅速增长,涌现出了包括 LangChain、LlamaIndex 等开发框架,但大部分框架只提供了 Python 语言的实现。但这些开发框架对于国内习惯了 Spring 开发范式的 Java 开发者而言,并非十分友好和丝滑。因此,我们基于 Spring AI 发布并快速演进 Spring AI Alibaba,通过提供一种方便的 API 抽象,帮助 Java 开发者简化 AI 应用的开发。同时,提供了完整的开源配套,包括可观测、网关、消息队列、配置中心等。
735 9