用python正則表達式提取字符串


轉自 https://www.cnblogs.com/rj81/p/5933838.html

 

在日常工作中經常遇見在文本中提取特定位置字符串的需求.python的正則性能好,很適合做這類字符串的提取,這里講一下提取的技巧,正則表達式的基礎知識就不說了,有興趣的可以看re的教程. 提取一般分兩種情況,一種是提取在文本中提取單個位置的字符串,另一種是提取連續多個位置的字符串.日志分析會遇到這種情況.下面我會分別講一下對應的方法:

1. 單個位置的字符串提取


這種情況我們可以使用(.+?)這個正則表達式來提取. 舉例,一個字符串"a123b",如果我們想提取ab之間的值123,可以使用findall配合正則表達式,這樣會返回一個包含所以符合情況的list,代碼如下:

import re
str = "a123b"
print re.findall(r"a(.+?)b",str)#
輸出['123']

 

 

1.1貪婪和非貪婪匹配


如果我們有一個字符串”a123b456b”,如果我們想匹配a和最后一個b之間的所有值而非a和第一個出現的b之間的值,可以用?來控制正則貪婪和非貪婪匹配的情況. 代碼如下:

復制代碼
import re
str = "a123b456b"

print re.findall(r"a(.+?)b", str)
#輸出['123']#?控制只匹配0或1個,所以只會輸出和最近的b之間的匹配情況

print re.findall(r"a(.+)b", str)
#輸出['123b456']

print re.findall(r"a(.*)b", str)
#輸出['123b456']
復制代碼

 

 

1.2多行匹配


如果你要多行匹配,那么需要加上re.Sre.M標志. 加上re.S后, .將會匹配換行符,默認.不會匹配換行符. 代碼如下:

復制代碼
str = "a23b\na34b"

re.findall(r"a(\d+)b.+a(\d+)b", str)
#輸出[]
#因為不能處理str中間有\n換行的情況

re.findall(r"a(\d+)b.+a(\d+)b", str, re.S)
#s輸出[('23', '34')]
復制代碼

 

 

加上re.M后,^$標志將會匹配每一行,默認^$只會匹配第一行. 代碼如下:

復制代碼
str = "a23b\na34b"

re.findall(r"^a(\d+)b", str)
#輸出['23']

re.findall(r"^a(\d+)b", str, re.M)
#輸出['23', '34']
復制代碼

 

 

2. 連續多個位置的字符串提取


這種情況我們可以使用(?P<name>…)這個正則表達式來提取. 舉例,如果我們有一行webserver的access日志:'192.168.0.1 25/Oct/2012:14:46:34 "GET /api HTTP/1.1" 200 44 "http://abc.com/search" "Mozilla/5.0"',我們想提取這行日志里面所有的內容,可以寫多個(?P<name>expr)來提取,其中name可以更改為你為該位置字符串命名的變量,expr改成提取位置的正則即可. 代碼如下:

復制代碼
import re
line ='192.168.0.1 25/Oct/2012:14:46:34 "GET /api HTTP/1.1" 200 44 "http://abc.com/search" 
"Mozilla/5.0"'
reg = re.compile('^(?P<remote_ip>[^ ]*) (?P<date>[^ ]*) "(?P<request>[^"]*)" 
(?P<status>[^ ]*) (?P<size>[^ ]*) "(?P<referrer>[^"]*)" "(?P<user_agent>[^"]*)"')
regMatch = reg.match(line)
linebits = regMatch.groupdict()
print linebits
for k, v in linebits.items() :
    print k+": "+v
復制代碼

 

 

輸出的結果為:

status: 200
referrer:  
request: GET /api HTTP/1.1
user_agent: Mozilla/5.0
date: 25/Oct/2012:14:46:34size: 44
remote_ip: 192.168.0.1

 


免責聲明!

本站轉載的文章為個人學習借鑒使用,本站對版權不負任何法律責任。如果侵犯了您的隱私權益,請聯系本站郵箱yoyou2525@163.com刪除。



 
粵ICP備18138465號   © 2018-2025 CODEPRJ.COM