python利用正規表示式提取字串的方法

前言
正則表達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，一種是提取在文本中提取單個位置的字符串，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、單一位置的字串提取
這種情況我們可以使用(.+?)這個正規表示式來提取。 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之間的所有值而非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多行匹配
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,^$標誌將會符合每一行，預設^和$只會符合第一行。
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

(?P<name>…)

這個正規則表達式來提取。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

(?P<name>expr)

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('^(?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

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
以上就是這篇文章的全部內容了，希望本文的內容對大家的學習或工作能帶來一定的幫助，如果有疑問大家可以留言交流。

以上是python利用正規表示式提取字串的方法的詳細內容。更多資訊請關注PHP中文網其他相關文章！