轉(zhuǎn)載來自：https://blog.csdn.net/liao392781/article/details/80181088
在日常工作中經(jīng)常遇見在文本中提取特定位置字符串的需求仅孩。python的正則性能好纽谒，很適合做這類字符串的提取昼牛，正則表達(dá)式的提取一般分兩種情況，一種是提取在文本中提取單個(gè)位置的字符串，另一種是提取連續(xù)多個(gè)位置的字符串。日志分析會(huì)遇到這種情況。-----我在做日志分析的時(shí)候遇到該需求词身；
- 單個(gè)位置的字符串提取
這種情況我們可以使用(.+?)這個(gè)正則表達(dá)式來提取. 舉例,一個(gè)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(dá)式,這樣會(huì)返回一個(gè)包含所有符合情況的list,代碼如下:
import re
str = "a123b"
print(re.findall(r"a(.+?)b",str))
#輸出['123']
- 貪婪和非貪婪匹配
如果我們有一個(gè)字符串”a123b456b”,如果我們想匹配a和最后一個(gè)b之間的所有值而非a和第一個(gè)出現(xiàn)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']
#?控制只匹配0或1個(gè),所以只會(huì)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']
- 多行匹配
如果你要多行匹配，那么需要加上re.S和re.M標(biāo)志. 加上re.S后, .將會(huì)匹配換行符番枚，默認(rèn).不會(huì)匹配換行符. 代碼如下:
import re
str = "a23b\na34b"
print(re.findall(r"a(\d+)b.+a(\d+)b", str))
#輸出[]
#因?yàn)椴荒芴幚韘tr中間有\(zhòng)n換行的情況
print(re.findall(r"a(\d+)b.+a(\d+)b", str, re.S))
#s輸出[('23', '34')]
加上re.M后,^只會(huì)匹配第一行. 代碼如下:
import re
str = "a23b\na34b"
print(re.findall(r"^a(\d+)b", str))
#輸出['23']
print(re.findall(r"^a(\d+)b", str, re.M))
#輸出['23', '34']
- 連續(xù)多個(gè)位置的字符串提取
這種情況我們可以使用(?P<name>…)這個(gè)正則表達(dá)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(nèi)容,可以寫多個(gè)(?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)
