python利用正则表达式提取字符串
|
前言 正则表达式的基础知识就不说了,有兴趣的可以点击这里，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。 一、单个位置的字符串提取 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'] 1.1贪婪和非贪婪匹配 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'] 1.2多行匹配 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 = "a23bna34b"
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 = "a23bna34b" re.findall(r"^a(d+)b",str) #输出['23'] re.findall(r"^a(d+)b",re.M) #输出['23','34'] 二、连续多个位置的字符串提取 这种情况我们可以使用 代码如下：
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
输出的结果为： 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 总结 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。 （编辑：李大同） 【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容! |