Heim > Artikel > Backend-Entwicklung > Python-Methode zum Extrahieren von Zeichenfolgen mithilfe eines regulären Ausdrucks
Vorwort
Ich werde nicht auf die Grundkenntnisse regulärer Ausdrücke eingehen. Wenn Sie interessiert sind, können Sie hier klicken. Einer ist das Extrahieren von Zeichen eine einzelne Position im Text, die andere besteht darin, Zeichenfolgen mit mehreren aufeinanderfolgenden Positionen zu extrahieren. Bei der Protokollanalyse wird diese Situation auftreten, und ich werde im Folgenden auf die entsprechenden Methoden eingehen.
1. String-Extraktion an einer einzelnen Position
In diesem Fall können wir zum Extrahieren den regulären Ausdruck (.+?) verwenden. Wenn wir beispielsweise für eine Zeichenfolge „a123b“ den Wert 123 zwischen ab extrahieren möchten, können wir findall mit einem regulären Ausdruck verwenden, der eine Liste mit allen übereinstimmenden Situationen zurückgibt.
Der Code lautet wie folgt:
import re str = "a123b" print re.findall(r"a(.+?)b",str)# 输出['123']
1.1 Greedy- und Non-Greedy-Matching
Wenn wir eine Zeichenfolge „a123b456b“ haben, wenn wir wollen Übereinstimmung mit a und dem letzten Alle Werte zwischen a und b anstelle der Werte zwischen a und dem ersten Vorkommen von b können zur Steuerung des regulären gierigen und nicht gierigen Abgleichs verwendet werden.
Der Code lautet wie folgt:
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 Mehrzeiliger Abgleich
Wenn Sie einen mehrzeiligen Abgleich wünschen, müssen Sie die Re. hinzufügen. S- und re.M-Flags. Nach dem Hinzufügen von re.S. Stimmt mit Zeilenumbruchzeichen überein, standardmäßig nicht.
Der Code lautet wie folgt:
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')]
Nach dem Hinzufügen von re.M stimmt die Markierung ^$ mit jeder Zeile überein. Standardmäßig stimmen ^ und $ nur mit der ersten Zeile überein.
Der Code lautet wie folgt:
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. String-Extraktion an mehreren aufeinanderfolgenden Positionen
In diesem Fall können wir
(?P<name>…)verwenden
Dieser reguläre Ausdruck zum Extrahieren. Wenn wir beispielsweise eine Zeile im Webserver-Zugriffsprotokoll haben:
'192.168.0.1 25/Oct/2012:14:46:34 "GET /api HTTP/1.1" 200 44 "http://abc.com/search" "Mozilla/5.0"'
und wir den gesamten Inhalt in dieser Protokollzeile extrahieren möchten, können wir mehrere
(?P<name>expr)
schreiben zu extrahieren, wo name Sie können es in die Variable ändern, die Sie als Positionszeichenfolge benannt haben, und expr kann in den regulären Ausdruck zum Extrahieren der Position geändert werden.
Der Code lautet wie folgt:
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
Das Ausgabeergebnis ist:
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
Zusammenfassung
Das Obige ist der gesamte Inhalt dieses Artikels. Ich hoffe, dass der Inhalt dieses Artikels jedem beim Lernen oder bei der Arbeit helfen kann. Wenn Sie Fragen haben, können Sie eine Nachricht hinterlassen .
Das obige ist der detaillierte Inhalt vonPython-Methode zum Extrahieren von Zeichenfolgen mithilfe eines regulären Ausdrucks. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!