python利用正则表达式提取字符串的方法

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 = “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’]

二、连续多个位置的字符串提取这种情况我们可以使用

(?p…)

这个正则表达式来提取。举例,如果我们有一行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″‘

,我们想提取这行日志里面所有的内容,可以写多个

(?pexpr)

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。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[^ ]*) (?p[^ ]*) “(?p[^”]*)”
(?p[^ ]*) (?p[^ ]*) “(?p[^”]*)” “(?p[^”]*)”‘)
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。

以上就是python利用正则表达式提取字符串的方法的详细内容,更多请关注 第一php社区 其它相关文章!

Posted in 未分类

发表评论