python巧用正規表示式取得字串

相信大家在日常工作中經常會遇見在文本中提取特定位置字符串的需求，python的正則性很好,很適合做這類字符串的提取,所以這篇文章就給大家詳細講一下提取的技巧，並透過範例程式碼講解，對大家理解很有幫助，有需要的朋友們下面來一起學習學習吧。

前言

正規表示式的基礎知識就不說了,有興趣的可以點擊這裡，提取一般分兩種情況，一種是提取在文字中提取單一位置的字串，另一種是提取連續多個位置的字串。日誌分析會遇到這種情況，下面我會分別講一下對應的方法。

一、單一位置的字串擷取

這種情況我們可以使用(.+?)這個正規表示式來擷取。 舉例，一個字串"a123b",如果我們想提取ab之間的值123，可以使用findall配合正規表示式，這樣會傳回一個包含所以符合情況的list。

程式碼如下：

import re
str = "a123b"
print re.findall(r"a(.+?)b",str)#
输出['123']

#1.1貪婪和非貪婪匹配

如果我們有一個字串”a123b456b”，如果我們想匹配a和最後一個b之間的所有值而不是a和第一個出現的b之間的值，可以用?來控制正則貪婪和非貪婪匹配的情況。

程式碼如下：

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多行符合

如果你要多行匹配，那麼需要加上re.S和re.M標誌. 加上re.S後。將會匹配換行符，預設.不會匹配換行符。

程式碼如下：

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後,^$標誌將會符合每一行，預設^和$只會匹配第一行。

程式碼如下：

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']

#二、連續多個位置的字串擷取

#這種情況我們可以使用(?P8a11bc632ea32a57b3e3693c7987c420…)這個正規表示式來擷取。舉例，如果我們有一行webserver的access日誌:'192.168.0.1 25/Oct/2012:14:46:34 "GET /api HTTP/1.1" 200 44 "http://abc.com/search" "Mozilla/5.0"'，我們想提取這行日誌裡面所有的內容，可以寫多個(?P8a11bc632ea32a57b3e3693c7987c420expr)來提取,其中name可以更改為你為該位置字串命名的變量，expr改成提取位置的正則即可。

程式碼如下：

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(&#39;^(?P<remote_ip>[^ ]*) (?P<date>[^ ]*) "(?P<request>[^"]*)" 
(?P<status>[^ ]*) (?P<size>[^ ]*) "(?P<referrer>[^"]*)" "(?P<user_agent>[^"]*)"&#39;)
regMatch = reg.match(line)
linebits = regMatch.groupdict()
print linebits
for k, v in linebits.items() :
 print k+": "+v

#輸出的結果為：

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

總結

#

以上是python巧用正規表示式取得字串的詳細內容。更多資訊請關注PHP中文網其他相關文章！