Python模块·Re正则匹配、切割、替换

NeighborMrSun 2023-02-21 发布于湖南

展开全文

一、Re模块：

对应正则表达式的Python模块

分类	关键字 / 函数 / 方法	说明
数据匹配	-	-
	re.match(正则字符串, 目标字符串)	开头匹配，返回匹配对象
	re.search(正则字符串, 目标字符串)	匹配第一次出现，返回匹配对象
	re.findall(正则字符串, 目标字符串)	查找所有匹配的字符串，返回列表
	re.finditer(正则字符串, 目标字符串)	查找所有匹配的字符串，返回迭代器
匹配对象	re_obj=re.函数()	-
	re_obj.group()	获取匹配到的字符串
数据切割	-	-
	re.split(正则字符串, 目标字符串)	分割字符串，返回成功匹配的列表
数据替换	-	-
	re.sub(正则字符串,替换字符串,目标字符串)	匹配成功的字符串替换成新的字符串
编译	-	-
	re.compile(正则字符串)	对正则表达式模式进行编译，返回一个正则表达式对象

二、使用示例：

match函数：尝试用正则表达式模式从字符串的 开头匹配
如果匹配成功，则【返回一个匹配对象】；否则【返回 None】

import re
# 1. re.match(正则字符串, 目标字符串):
#   判断目标字符串是不是以正则匹配到的内容开头,如果成功，返回匹配对象;否则，返回None
# \d: 表示一个数字字符串 '0123456789'
# {3}: 表示连续出现3次  \d{3}: 连续出现的三个数字
result01 = re.match('\d{3}', '123aavvfdfsf')
print(result01)  # <_sre.SRE_Match object; span=(0, 3), match='123'>
print(result01.group())  # 获取匹配到的字符串  123

search函数：在字符串中查找正则表达式模式的第一次出现
如果匹配成功，则【返回一个匹配对象】；否则【返回 None】。

import re
# 2. re.search(正则字符串, 目标字符串):
#   在字符串中查找正则表达式匹配的第一次出现, 如果成功，返回匹配对象;否则，返回None
result02 = re.search('\d{3}', 'abc666def456qqq')
print(result02)  # <_sre.SRE_Match object; span=(3, 6), match='666'>
print(result02.group())  # 获取匹配到的字符串  666

findall函数：在字符串中查找正则表达式模式的所有出现
如果匹配成功，则【返回一个匹配结果的列表】；否则【返回空列表】

import re
# 3. re.findall(正则字符串, 目标字符串):
#   在字符串中查找正则表达式匹配的所有出现；返回一个匹配字符串的列表
result03 = re.findall('\d{3}', 'abc666def456qqq')
print(result03)  # ['666', '456']

finditer函数：查找字符串中所有匹配字符【返回迭代器】

import re
# 4. re.finditer(正则字符串, 目标字符串): 查找正则字符串中所有匹配字符【返回可迭代对象】
result04 = re.finditer('\d{3}', 'abc666def456qqq')
for item in result04:
    print(item)
    print(item.group())

split方法：根据正则表达式中的分隔符把字符分割为一个列表
匹配分割成功，则【返回成功匹配的列表】，否则【返回由目标字符串生成的列表】
字符串也有类似的方法，但是正则表达式更加灵活
可以一次使用多个分隔符，用|隔开

import re
# 5. re.split(正则字符串, 目标字符串)
#   根据正则表达式中的分隔符把字符分割为一个列表，并返回成功分割的列表
result05 = re.split('-|\.', 'hello-tar.gz')
print(result05)  # ['hello', 'tar', 'gz']

sub方法：把字符串中所有匹配正则表达式的地方替换成新的字符串
匹配成功，【返回替换后的新字符串】；否则【返回直接目标字符串】

import re
# 6. re.sub(正则字符串,替换字符串,目标字符串)
result06 = re.sub('\d{3}', 'benben', 'Hi~123, nice to meet you, 456')
print(result06)  # Hi~benben, nice to meet you, benben

compile函数：对正则表达式模式进行编译，【返回一个正则表达式对象】
优点：一次编译多次匹配
不是必须要用这种方式，但是在大量匹配的情况下，可以提升效率

import re
# 7. re.compile(正则字符串):  将字符串编译成正则对象
patt_obj = re.compile('\d{3}')  # patt_obj: 正则对象
# 一次编译多次匹配
result07 = patt_obj.search('abc666def456qqq')
print(result07)  # <_sre.SRE_Match object; span=(3, 6), match='666'>
print(result07.group())  # 666
result08 = patt_obj.split('abc123qwer890aaa')
print(result08)  # ['abc', 'qwer', 'aaa']

三、练习：分析 apache 访问日志

需求：

编写一个apache 日志分析脚本(count_patt.py)：
统计每个客户端访问 apache 服务器的次数
将统计信息通过字典的方式显示出来
分别统计客户端是 Firefox 和 MSIE 的访问次数

import re

# 分析日志函数
def count_patt(filename, re_str):
    count_dict = {}
    re_obj = re.compile(re_str)
    with open(filename, mode='r') as fr:
        while True:
            data = fr.readline()
            if len(data) == 0:
                break
            # 查找匹配字符串
            re_data = re_obj.search(data)
            if re_ip is not None:
                # 如果匹配成功，则更新字典，将次数+1
                count_dict.update(
                    {re_data.group(): 1 if re_data.group() not in count_dict.keys() else count_dict[re_data.group()] + 1})
    return count_dict

if __name__ == '__main__':
    # 匹配ip访问次数
    d = count_patt('/opt/web.log', '(\d+\.){3}\d+')
    print(d)
    # 匹配访问游览器次数
    d2 = count_patt('/opt/web.log', 'Firefox|MSIE')
    print(d2)