python专区--正则表达式及re模块

正则表达式及re模块

re 模块

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

案例：使用match函数匹配字符串

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。

案例

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；返回一个匹配对象的列表

案例

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】

案例

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，并返回成功匹配的列表
• 字符串也有类似的方法，但是正则表达式更加灵活

案例

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

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
• 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

案例

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']

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

第一步：创建新的python文件count_patt.py，使用正则表达式过滤出IP地址和浏览器

import  re						#导入正则表达式的模块re
def count_patt(fname, patt):			#函数count_patt(), 功能：分析apache访问日志
	pass
if __name__ == '__main__':
    fname = '/root/access_log'       	#指定文件名
    ip = '(\d+\.){3}\d+'            		#使用正则匹配出IP地址
    br = 'Chrome|MSIE|Firefox'       	#使用正则匹配出浏览器
    result1 = count_patt(fname, ip)    	#统计文件中的IP地址的个数  
    result2 = count_patt(fname, br)    	#统计文件中的浏览器的个数  
    print(result1)         				#打印result1
    print(result2)

第二步：编写函数count_patt()

import  re		#导入正则表达式的模块res
def count_patt(fname, patt):	#函数count_patt(), 功能：分析apache访问日志
    patt_dict = {
    
    }              #定义字典，存储结果数据
    cpatt = re.compile(patt)    #编译正则表达式【这里指: IP或br】
    with open(fname, mode="r") as fobj:   #以字符类型打开文件，遍历行
        for line in fobj.readlines():
            m = cpatt.search(line)   #使用正则cpatt匹配line中的字符
            if m:                    #当行line中正则匹配成功时
                key = m.group()      #获取在行line中匹配到的内容
                if key not in patt_dict:
                    patt_dict[key] = 1
                else:
                    patt_dict[key] += 1
    return patt_dict  
if __name__ == '__main__':
    fname = '/root/access_log'       #指定文件名
    ip = '(\d+\.){3}\d+'             #使用正则匹配出IP地址
    br = 'Chrome|MSIE|Firefox'       #使用正则匹配出浏览器
    result1 = count_patt(fname, ip)    #统计文件中的IP地址的个数  
    result2 = count_patt(fname, br)    #统计文件中的浏览器的个数  
    print(result1)         #打印result1【IP地址出现的次数】
    print(result2)         #打印result2【不同浏览器出现的次数】

# 测试分析apache访问日志的程序
[root@localhost xxx]# python3 count_patt.py