个人中心
文章发布
退出
作者热门文章
- ubuntu12.04环境下使用kvm ioctl接口实现最简单的虚拟机
- Ubuntu 通过无线网络安装Ubuntu Server启动系统后连接无线网络的方法
- 在Ubuntu上搭建网桥的方法
- ubuntu 虚拟机上网方式及相关配置详解
25
4
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利用正则表达式提取字符串由作者收集整理，如果你对这篇文章有兴趣，记得点赞哟.
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.
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:
|
1
2
3
4
|
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:
|
1
2
3
4
5
6
7
8
9
10
11
|
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:
|
1
2
3
4
5
6
7
8
|
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:
|
1
2
3
4
5
6
7
|
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:
|
1
2
3
4
5
6
7
8
9
10
|
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:
|
1
2
3
4
5
6
|
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.
最后此篇关于python利用正则表达式提取字符串的文章就讲到这里了,如果你想了解更多关于python利用正则表达式提取字符串的内容请搜索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！ 。
25
4
0
我正在用 yacc/bison 编写一个简单的计算器。 表达式的语法看起来有点像这样: expr : NUM | expr '+' expr { $$ = $1 + $3; } | expr '-'
我开始学习 lambda 表达式，并在以下情况下遇到了以下语句: interface MyNumber { double getValue(); } MyNumber number; nu
这两个 Linq 查询有什么区别: var result = ResultLists().Where( c=> c.code == "abc").FirstOrDefault(); // vs. va
如果我们查看 draft C++ standard 5.1.2 Lambda 表达式 段 2 说(强调我的 future ): The evaluation of a lambda-expressio
我使用的是 Mule 4.2.2 运行时、studio 7.5.1 和 Oracle JDK 1.8.0_251。 我在 java 代码中使用 Lambda 表达式，该表达式由 java Invoke
我是 XPath 的新手。我有网页的html源 http://london.craigslist.co.uk/com/1233708939.html 现在我想从上面的页面中提取以下数据 完整日期 电子
已关闭。这个问题是 off-topic 。目前不接受答案。 想要改进这个问题吗？ Update the question所以它是on-topic用于堆栈溢出。 已关闭10 年前。 Improve th
我将如何编写一个 Cron 表达式以在每天上午 8 点和下午 3:30 触发？我了解如何创建每天触发一次的表达式，而不是在多个设定时间触发。提前致谢 最佳答案 你应该只使用两行。 0 8 * * *
这个问题已经有答案了: What do 3 dots next to a parameter type mean in Java? (9 个回答) varargs and the '...' argu
我是 python 新手，在阅读 BeautifulSoup 教程时，我不明白这个表达式“[x for x in titles if x.findChildren()][:-1]”我不明白？你能解释一
(?:) 这是一个有效的 ruby 正则表达式，谁能告诉我它是什么意思？ 谢谢 最佳答案 正如其他人所说，它被用作正则表达式的非捕获语法，但是，它也是正则表达式之外的有效 ruby 语法。 在
这个问题在这里已经有了答案: Why does ++[[]][+[]]+[+[]] return the string "10"? (10 个答案) 关闭 8 年前。 谁能帮我处理这个 JavaSc
这个问题在这里已经有了答案: What is the "-->" operator in C++? (29 个答案) Java: Prefix/postfix of increment/decrem
这个问题在这里已经有了答案: List comprehension vs. lambda + filter (16 个答案) 关闭 10 个月前。 我不确定我是否需要 lambda 或其他东西。但是，
C 中的 assert() 函数工作原理对我来说就像一片黑暗的森林。根据这里的答案https://stackoverflow.com/a/1571360 ，您可以使用以下构造将自定义消息输出到您的断言
在this页，John Barnes 写道: If the conditional expression is the argument of a type conversion then effec
我必须创建一个调度程序，它必须每周从第一天上午 9 点到第二天晚上 11 点 59 分运行 2 天(星期四和星期五)。为此，我需要提供一个 cron 表达式。 0-0 0-0 9-23 ? * THU
我正在尝试编写一个 Linq 表达式来检查派生类中的属性，但该列表由来自基类的成员组成。下面的示例代码。以“var list”开头的 Process 方法的第二行无法编译，但我不确定应该使用什么语法来
此 sed 表达式将输入字符串转换为两行输出字符串。两条输出行中的每一行都由输入的子串组成。第一行需要转换成大写: s:random_stuff\(choice1\|choice2\){\([^}]*
我正在使用 Quartz.Net 在我的应用程序中安排我的工作。我只是想知道是否可以为以下场景构建 CRON 表达式: Every second between 2:15AM and 5:20AM 最
我是一名优秀的程序员,十分优秀！