当前位置：首页 > 资讯 > 技术文档

python利用正则表达式提取字符串

时间：2021-06-30 06:45 编辑：来源：阅读：
扫一扫，手机访问

摘要：python利用正则表达式提取字符串

[b]前言[/b] 正则表达式的基础知识就不说了,有兴趣的可以[url=http://www.1sucai.cn/list/list_6_1.htm]点击这里[/url]，提取一般分两种情况，一种是提取在文本中提取单个位置的字符串，另一种是提取连续多个位置的字符串。日志分析会遇到这种情况，下面我会分别讲一下对应的方法。 [b]一、单个位置的字符串提取[/b] 这种情况我们可以使用(.+?)这个正则表达式来提取。举例，一个字符串"a123b",如果我们想提取ab之间的值123，可以使用findall配合正则表达式，这样会返回一个包含所以符合情况的list。代码如下：

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

[b]1.1贪婪和非贪婪匹配[/b] 如果我们有一个字符串”a123b456b”，如果我们想匹配a和最后一个b之间的所有值而非a和第一个出现的b之间的值，可以用?来控制正则贪婪和非贪婪匹配的情况。代码如下：

import re
str = "a123b456b"

print re.findall(r"a(.+?)b", str)
#输出['123']#?控制只匹配0或1个,所以只会输出和最近的b之间的匹配情况

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

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

[b]1.2多行匹配[/b] 如果你要多行匹配，那么需要加上re.S和re.M标志. 加上re.S后。将会匹配换行符，默认.不会匹配换行符。代码如下：

str = "a23b\na34b"

re.findall(r"a(\d+)b.+a(\d+)b", str)
#输出[]
#因为不能处理str中间有\n换行的情况

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

加上re.M后,^$标志将会匹配每一行，默认^和$只会匹配第一行。代码如下：

str = "a23b\na34b"

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

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

[b]二、连续多个位置的字符串提取[/b] 这种情况我们可以使用[code](?P<name>…)[/code]这个正则表达式来提取。举例，如果我们有一行webserver的access日志:[code]'192.168.0.1 25/Oct/2012:14:46:34 "GET /api HTTP/1.1" 200 44 "http://abc.com/search" "Mozilla/5.0"'[/code]，我们想提取这行日志里面所有的内容，可以写多个[code](?P<name>expr)[/code]来提取,其中name可以更改为你为该位置字符串命名的变量，expr改成提取位置的正则即可。 [b]代码如下：[/b]

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

[b]输出的结果为：[/b]

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

[b]总结[/b] 以上就是这篇文章的全部内容了，希望本文的内容对大家的学习或者工作能带来一定的帮助，如果有疑问大家可以留言交流。

全部评论(0)

上一篇：python 正则表达式 re.sub & re.subn
下一篇：[asp]匹配网址的正则

资讯排行榜
更多>>