Python使用re模块实现信息筛选的方法-6ren

Python使用re模块实现信息筛选的方法

转载作者：qq735679552 更新时间：2022-09-28 22:32:09

CFSDN坚持开源创造价值，我们致力于搭建一个资源共享平台，让每一个IT人在这里找到属于你的精彩世界.

这篇CFSDN的博客文章Python使用re模块实现信息筛选的方法由作者收集整理，如果你对这篇文章有兴趣，记得点赞哟.

本文实例讲述了Python使用re模块实现信息筛选的方法。分享给大家供大家参考，具体如下:

背景。

平时工作中，我们经常会处理大量的元数据（Raw Data),而一般的文件编辑器只能一次查询一个关键字，这就难以连续的分析元数据，比如分析产品日志文件（log），日志可能包括很多information级别的信息，这些一般是我们不太关心的，我们主要关心的是一些特殊的调试（Debug）级别的信息，所以就有必要根据很多关键字筛选出来日志文件中我们所关系的信息，这样筛选出来的日志文件不仅具有连续性，而且易读性会非常好.

解决方案。

re是Python自带的正则表达式库文件，为字符串的匹配筛选提供了极大的便利，本文就是利用re来进行日志文件的信息筛选。首先，简单来看一下re中的主要函数:

1. Compile(pattern, flag)：对正则表达式进行编译，比检查语法的正确性。flag是编译的标签，这里只介绍DOTALL，表示匹配所有的字符，包括新的行.

 
    ? 
   
         >>>  
         import 
         re 
        
         >>> re. 
         compile 
         ( 
         '[abc]+' 
         ) 
        
         re. 
         compile 
         ( 
         '[abc]+' 
         ) 
        
         >>> re. 
         compile 
         (test) 
        
         Traceback (most recent call last): 
        
         File 
         "<stdin>" 
         , line  
         1 
         ,  
         in 
         <module> 
        
         NameError: name  
         'test' 
         is 
         not 
         defined 
        
         >>>

2. match(): 从目标字符串的开头来判断是否与正则表达式匹配，如果不匹配返回None，反之，返回匹配对象，包括起始位置，结束位置，字符串内容。

 
    ? 
   
 
     
       
       
         >>>  
         import 
         re 
        
 
         >>> test  
         = 
         re. 
         compile 
         ( 
         '[abc]+' 
         ) 
        
 
         >>> test.match( 
         'dabc' 
         ) 
        
 
         >>> test.match( 
         'babc' 
         ) 
        
 
         <_sre.SRE_Match  
         object 
         ; span 
         = 
         ( 
         0 
         ,  
         4 
         ), match 
         = 
         'babc' 
         > 
        
 
     
 
   

test是一个以a或b或c开头的正则表达式编译对象，而match是从目标字符串的开头进行匹配，所以第一个目标字符串“dabc”不符合正则表达式规则，所以返回None;第二个目标字符串可以正常匹配输出匹配对象（起始位置，匹配内容），由于match每次都从目标字符串的开头进行匹配，所以如果有匹配字符串，其开始位置始终为0. 。

3. search：与match功能相近，search会扫描全目标字符串进行正则表达式匹配.

 
    ? 
   
         >>>  
         import 
         re 
        
         >>> test  
         = 
         re. 
         compile 
         ( 
         '[abc]+' 
         ) 
        
         >>> test.search( 
         'dabc' 
         ) 
        
         <_sre.SRE_Match  
         object 
         ; span 
         = 
         ( 
         1 
         ,  
         4 
         ), match 
         = 
         'abc' 
         > 
        
         >>>

这时用search就可以匹配a，b，c开头的字符串了。

4. findall：找出目标字符串中所有的匹配字符串，并以列表的形式返回。

 
    ? 
   
         >>> test  
         = 
         re. 
         compile 
         ( 
         '\w+@163.com' 
         ) 
        
         >>> test.findall(r 
         "alvin@163.comtest1234@163.comnotvalid@gmail.com" 
         ) 
        
         [ 
         'alvin@163.com' 
         ,  
         'test1234@163.com' 
         ]

当然，re中还有很多其他的函数可供大家使用，大家可以去查阅python官方文档.

其次，介绍几个正则表达式常用的符号:

1. *: 表示匹配其前面字符0或多次 2. .: 表示匹配新行之外的所有字符 3. |: 表示或操作 4. +：表示匹配其前面紧邻字符一次或多次 5. ?: 表示匹配0或1次。

其他的正则表达式的表示也可去官网文档查看.

最后，上一下这个简单的筛选程序:

 
    ? 
   
         import 
         re 
        
         source  
         = 
         'GCM.txt' 
        
         target  
         = 
         'g2s.txt' 
        
         #一级筛选 
        
         raw_compile  
         = 
         re. 
         compile 
         (r 
         "<g2s:g2sMessage.*?</g2s:g2sMessage>" 
         ,re.DOTALL) 
        
         #二级筛选 
        
         messagelevel_compile  
         = 
         re. 
         compile 
         (r 
         "<igtLicensing.*|<g2s:idReader.*" 
         ,re.DOTALL) 
        
         #二级筛选 
        
         egmlevel_compile  
         = 
         re. 
         compile 
         (r 
         "IGT_00012E2335AA.*" 
         ,re.DOTALL) 
        
         def 
         FilterG2SMessage(): 
        
         fr  
         = 
         open 
         (source) 
        
         content  
         = 
         fr.read() 
        
         fr.close() 
        
         f  
         = 
         open 
         (target, 
         'w' 
         ) 
        
         g2sItems  
         = 
         raw_compile.findall(content) 
        
         for 
         g2s  
         in 
         g2sItems: 
        
         iscaredG2S  
         = 
         messagelevel_compile.search(g2s) 
        
         isCaredEGM  
         = 
         egmlevel_compile.search(g2s) 
        
         if 
         iscaredG2S  
         and 
         isCaredEGM: 
        
         f.write(g2s 
         + 
         '\n' 
         ) 
        
         else 
         : 
        
         pass 
        
         f.close() 
        
         FilterG2SMessage()

程序很简单，在筛选的过程中大家可以先分析一下筛选的级别，可以逐级筛选.

总结:

re不仅仅提供了正则表达式的匹配，而且提供了一些批量处理的函数，比如split，sub，subn等等，这些函数都可以提高我们对文件内容的快速处理，节省时间.

希望本文所述对大家Python程序设计有所帮助.

原文链接：http://www.cnblogs.com/AlwinXu/p/5634973.html 。

最后此篇关于Python使用re模块实现信息筛选的方法的文章就讲到这里了,如果你想了解更多关于Python使用re模块实现信息筛选的方法的内容请搜索CFSDN的文章或继续浏览相关文章，希望大家以后支持我的博客！。

文章推荐： php合并数组中相同元素的方法

文章推荐： 2021热门的手绘酷酷男生头像大全那些不善表达的人也在偷偷爱着你

文章推荐： php魔术变量用法实例详解

文章推荐： html静态页面调用php文件的方法

python - Python 中的集群或合并集群以减少组数 (Python)
我正在处理一组标记为 160 个组的 173k 点。我想通过合并最接近的(到 9 或 10 个组)来减少组/集群的数量。我搜索过 sklearn 或类似的库，但没有成功。我猜它只是通过 knn 聚类
python - python 列表的子集基于同一列表的元素组，pythonically
我有一个扁平数字列表，这些数字逻辑上以 3 为一组，其中每个三元组是 (number, __ignored, flag[0 or 1])，例如: [7,56,1, 8,0,0, 2,0,0, 6,1,
python - 激活 Python 虚拟环境并在另一个 Python 脚本中调用 Python 脚本
我正在使用 pipenv 来管理我的包。我想编写一个 python 脚本来调用另一个使用不同虚拟环境(VE)的 python 脚本。如何运行使用 VE1 的 python 脚本 1 并调用另一个 p
python - 在焕然一新的 Python 环境中以编程方式从 Python 内部执行 Python 文件
假设我有一个文件 script.py 位于 path = "foo/bar/script.py"。我正在寻找一种在 Python 中通过函数 execute_script() 从我的主要 Python
python - 从 python 脚本但在 python 脚本之外运行 python 脚本
这听起来像是谜语或笑话，但实际上我还没有找到这个问题的答案。问题到底是什么？我想运行 2 个脚本。在第一个脚本中，我调用另一个脚本，但我希望它们继续并行，而不是在两个单独的线程中。主要是我不希望第
python - 使用不同的 python 从 python 运行 python 脚本
我有一个带有 python 2.5.5 的软件。我想发送一个命令，该命令将在 python 2.7.5 中启动一个脚本，然后继续执行该脚本。我试过用 #!python2.7.5 和http://re
python - 为什么从 Python 命令行调用 Python 时 Python 无法找到并运行我的脚本？
我在 python 命令行(使用 python 2.7)中，并尝试运行 Python 脚本。我的操作系统是 Windows 7。我已将我的目录设置为包含我所有脚本的文件夹，使用: os.chdir("
python - 使用动态版本的 Python 执行嵌入的 Python 代码时出现致命的 Python 错误
剧透:部分解决(见最后)。以下是使用 Python 嵌入的代码示例: #include int main(int argc, char** argv) { Py_SetPythonHome
python - python 中识别 python 数组或列表中最大累积差异的最快方法是什么？
假设我有以下列表，对应于及时的股票价格: prices = [1, 3, 7, 10, 9, 8, 5, 3, 6, 8, 12, 9, 6, 10, 13, 8, 4, 11] 我想确定以下总体上最
python - (Python) 通过单选按钮 python 更新背景
所以我试图在选择某个单选按钮时更改此框架的背景。我的框架位于一个类中，并且单选按钮的功能位于该类之外。 (这样我就可以在所有其他框架上调用它们。) 问题是每当我选择单选按钮时都会出现以下错误: co
python - python 中的字符串与正则表达式比较在 python 中失败
我正在尝试将字符串与 python 中的正则表达式进行比较，如下所示， #!/usr/bin/env python3 import re str1 = "Expecting property name
python - python 如何加载Boost.Python 库？
考虑以下原型(prototype) Boost.Python 模块，该模块从单独的 C++ 头文件中引入类“D”。 /* file: a/b.cpp */ BOOST_PYTHON_MODULE(c)
python - python 检查模块 python 的问题
如何编写一个程序来“识别函数调用的行号？” python 检查模块提供了定位行号的选项，但是， def di(): return inspect.currentframe().f_back.f_l
python - 系统 python 与用户 python
我已经使用 macports 安装了 Python 2.7，并且由于我的 $PATH 变量，这就是我输入 $ python 时得到的变量。然而，virtualenv 默认使用 Python 2.6，除
python - [Python] : Python re. 长字符串行的搜索速度优化
我只想问如何加快 python 上的 re.search 速度。我有一个很长的字符串行，长度为 176861(即带有一些符号的字母数字字符)，我使用此函数测试了该行以进行研究: def getExe
python - 编辑字符串 python 正则表达式 python
list1= [u'%app%%General%%Council%', u'%people%', u'%people%%Regional%%Council%%Mandate%', u'%ppp%%Ge
python - Python 映射中的副作用(Python "do" block )
这个问题在这里已经有了答案: Is it Pythonic to use list comprehensions for just side effects? (7 个答案) 关闭 4 个月前。告
python - 使用其值逻辑组合两个 python 列表 - Python
我想用 Python 将两个列表组合成一个列表，方法如下: a = [1,1,1,2,2,2,3,3,3,3] b= ["Sun", "is", "bright", "June","and" ,"Ju
python - Boost.Python python 链接错误
我正在运行带有最新 Boost 发行版 (1.55.0) 的 Mac OS X 10.8.4 (Darwin 12.4.0)。我正在按照说明 here构建包含在我的发行版中的教程 Boost-Pyth
python - 在 Python 中仅使用内置库制作一个基本的网络抓取工具 - Python
学习 Python，我正在尝试制作一个没有任何第 3 方库的网络抓取工具，这样过程对我来说并没有简化，而且我知道我在做什么。我浏览了一些在线资源，但所有这些都让我对某些事情感到困惑。 html 看起来

qq735679552

个人简介

我是一名优秀的程序员,十分优秀！

作者热门文章

滴滴打车优惠券免费领取

全站热门文章

首页

博学

6Ren·AI

商城

Python使用re模块实现信息筛选的方法