python如何用正則表達式提取字符串
用正則表達式提取字符串
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,正則表達式的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。
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和最後一個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:
import re str = "a123b456b" print(re.findall(r"a(.+?)b", str)) #輸出['123'] #?控制隻匹配0或1個,所以隻會輸出和最近的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']
1.2多行匹配
如果你要多行匹配,那麼需要加上re.S和re.M標志. 加上re.S後, .將會匹配換行符,默認.不會匹配換行符. 代碼如下:
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')]
加上re.M後,^$標志將會匹配每一行,默認^和$隻會匹配第一行.
代碼如下:
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']
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裡面所有的內容,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:
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)
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
用正則表達式提取字符串中的整數
直接上代碼吧~
import re re.findall("\d+","asd1234")
總結
以上為個人經驗,希望能給大傢一個參考,也希望大傢多多支持WalkonNet。
推薦閱讀:
- python接口自動化之正則用例參數化的示例詳解
- Python使用re模塊實現正則表達式操作指南
- 聊聊配置 Nginx 訪問與錯誤日志的問題
- python自動化之re模塊詳解
- 解決python中文亂碼問題方法總結