python如何用正则表达式提取字符串

用正则表达式提取字符串

在日常工作中经常遇见在文本中提取特定位置字符串的需求。

python的正则性能好，很适合做这类字符串的提取，正则表达式的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。

1. 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\']

2. 连续多个位置的字符串提取

这种情况我们可以使用(?P<name>…)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(?P<name>expr)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<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

用正则表达式提取字符串中的整数

直接上代码吧~

import re
re.findall(\"\\d+\",\"asd1234\")

总结

以上为个人经验，希望能给大家一个参考，也希望大家多多支持OX520。