abstract：前言正則表達(dá)式的基礎(chǔ)知識就不說了,有興趣的可以點擊這里，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(xù)多個位置的字符串。日志分析會遇到這種情況，下面我會分別講一下對應(yīng)的方法。一、單個位置的字符串提取這種情況我們可以使用(.+?)這個正則表達(dá)式來提取。 舉例，一個字符串"a123b",如果我們想提取ab之間的值123，可以使用findall配合正則表
前言
正則表達(dá)式的基礎(chǔ)知識就不說了,有興趣的可以點擊這里，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(xù)多個位置的字符串。日志分析會遇到這種情況，下面我會分別講一下對應(yīng)的方法。
一、單個位置的字符串提取
這種情況我們可以使用(.+?)這個正則表達(dá)式來提取。 舉例，一個字符串"a123b",如果我們想提取ab之間的值123，可以使用findall配合正則表達(dá)式，這樣會返回一個包含所以符合情況的list。
代碼如下：
import re str = "a123b" print re.findall(r"a(.+?)b",str)# 輸出['123']
1.1貪婪和非貪婪匹配
如果我們有一個字符串”a123b456b”，如果我們想匹配a和最后一個b之間的所有值而非a和第一個出現(xiàn)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。
代碼如下：
import re str = "a123b456b" print re.findall(r"a(.+?)b", str) #輸出['123']#?控制只匹配0或1個,所以只會輸出和最近的b之間的匹配情況 print re.findall(r"a(.+)b", str) #輸出['123b456'] print re.findall(r"a(.*)b", str) #輸出['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標(biāo)志. 加上re.S后。將會匹配換行符，默認(rèn).不會匹配換行符。
代碼如下：
str = "a23b\na34b"
re.findall(r"a(\d+)b.+a(\d+)b", str)
#輸出[]
#因為不能處理str中間有\(zhòng)n換行的情況
re.findall(r"a(\d+)b.+a(\d+)b", str, re.S)
#s輸出[('23', '34')]加上re.M后,^$標(biāo)志將會匹配每一行，默認(rèn)^和$只會匹配第一行。
代碼如下：
str = "a23b\na34b" re.findall(r"^a(\d+)b", str) #輸出['23'] re.findall(r"^a(\d+)b", str, re.M) #輸出['23', '34']
二、連續(xù)多個位置的字符串提取
這種情況我們可以使用(?P<name>…)這個正則表達(dá)式來提取。舉例，如果我們有一行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"'，我們想提取這行日志里面所有的內(nèi)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符串命名的變量，expr改成提取位置的正則即可。
代碼如下：
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(jié)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
更多關(guān)于python利用正則表達(dá)式提取字符串請關(guān)注PHP中文網(wǎng)（ipnx.cn）其他文章！