您好,登錄后才能下訂單哦!
本文實(shí)例講述了Python使用re模塊實(shí)現(xiàn)信息篩選的方法。分享給大家供大家參考,具體如下:
背景
平時(shí)工作中,我們經(jīng)常會(huì)處理大量的元數(shù)據(jù)(Raw Data),而一般的文件編輯器只能一次查詢一個(gè)關(guān)鍵字,這就難以連續(xù)的分析元數(shù)據(jù),比如分析產(chǎn)品日志文件(log),日志可能包括很多information級(jí)別的信息,這些一般是我們不太關(guān)心的,我們主要關(guān)心的是一些特殊的調(diào)試(Debug)級(jí)別的信息,所以就有必要根據(jù)很多關(guān)鍵字篩選出來日志文件中我們所關(guān)系的信息,這樣篩選出來的日志文件不僅具有連續(xù)性,而且易讀性會(huì)非常好。
解決方案
re是Python自帶的正則表達(dá)式庫(kù)文件,為字符串的匹配篩選提供了極大的便利,本文就是利用re來進(jìn)行日志文件的信息篩選。首先,簡(jiǎn)單來看一下re中的主要函數(shù):
1. Compile(pattern, flag)
:對(duì)正則表達(dá)式進(jìn)行編譯,比檢查語法的正確性。flag是編譯的標(biāo)簽,這里只介紹DOTALL,表示匹配所有的字符,包括新的行。
>>> import re >>> re.compile('[abc]+') re.compile('[abc]+') >>> re.compile(test) Traceback (most recent call last): File "<stdin>", line 1, in <module> NameError: name 'test' is not defined >>>
2. match()
: 從目標(biāo)字符串的開頭來判斷是否與正則表達(dá)式匹配,如果不匹配返回None,反之,返回匹配對(duì)象,包括起始位置,結(jié)束位置,字符串內(nèi)容
>>> import re >>> test = re.compile('[abc]+') >>> test.match('dabc') >>> test.match('babc') <_sre.SRE_Match object; span=(0, 4), match='babc'>
test是一個(gè)以a或b或c開頭的正則表達(dá)式編譯對(duì)象,而match是從目標(biāo)字符串的開頭進(jìn)行匹配,所以第一個(gè)目標(biāo)字符串“dabc”不符合正則表達(dá)式規(guī)則,所以返回None;第二個(gè)目標(biāo)字符串可以正常匹配輸出匹配對(duì)象(起始位置,匹配內(nèi)容),由于match每次都從目標(biāo)字符串的開頭進(jìn)行匹配,所以如果有匹配字符串,其開始位置始終為0.
3. search
:與match功能相近,search會(huì)掃描全目標(biāo)字符串進(jìn)行正則表達(dá)式匹配。
>>> import re >>> test = re.compile('[abc]+') >>> test.search('dabc') <_sre.SRE_Match object; span=(1, 4), match='abc'> >>>
這時(shí)用search就可以匹配a,b,c開頭的字符串了
4. findall
:找出目標(biāo)字符串中所有的匹配字符串,并以列表的形式返回
>>> test = re.compile('\w+@163.com') >>> test.findall(r"alvin@163.comtest1234@163.comnotvalid@gmail.com") ['alvin@163.com', 'test1234@163.com']
當(dāng)然,re中還有很多其他的函數(shù)可供大家使用,大家可以去查閱python官方文檔。
其次,介紹幾個(gè)正則表達(dá)式常用的符號(hào):
1. *: 表示匹配其前面字符0或多次
2. .: 表示匹配新行之外的所有字符
3. |: 表示或操作
4. +:表示匹配其前面緊鄰字符一次或多次
5. ?: 表示匹配0或1次
其他的正則表達(dá)式的表示也可去官網(wǎng)文檔查看。
最后,上一下這個(gè)簡(jiǎn)單的篩選程序:
import re source = 'GCM.txt' target = 'g2s.txt' #一級(jí)篩選 raw_compile = re.compile(r"<g2s:g2sMessage.*?</g2s:g2sMessage>",re.DOTALL) #二級(jí)篩選 messagelevel_compile = re.compile(r"<igtLicensing.*|<g2s:idReader.*",re.DOTALL) #二級(jí)篩選 egmlevel_compile = re.compile(r"IGT_00012E2335AA.*",re.DOTALL) def FilterG2SMessage(): fr = open(source) content = fr.read() fr.close() f = open(target,'w') g2sItems = raw_compile.findall(content) for g2s in g2sItems: iscaredG2S = messagelevel_compile.search(g2s) isCaredEGM = egmlevel_compile.search(g2s) if iscaredG2S and isCaredEGM: f.write(g2s+'\n') else: pass f.close() FilterG2SMessage()
程序很簡(jiǎn)單,在篩選的過程中大家可以先分析一下篩選的級(jí)別,可以逐級(jí)篩選。
總結(jié):
re不僅僅提供了正則表達(dá)式的匹配,而且提供了一些批量處理的函數(shù),比如split
,sub
,subn
等等,這些函數(shù)都可以提高我們對(duì)文件內(nèi)容的快速處理,節(jié)省時(shí)間。
PS:這里再為大家提供2款非常方便的正則表達(dá)式工具供大家參考使用:
JavaScript正則表達(dá)式在線測(cè)試工具:
http://tools.jb51.net/regex/javascript
正則表達(dá)式在線生成工具:
http://tools.jb51.net/regex/create_reg
更多關(guān)于Python相關(guān)內(nèi)容可查看本站專題:《Python正則表達(dá)式用法總結(jié)》、《Python數(shù)據(jù)結(jié)構(gòu)與算法教程》、《Python函數(shù)使用技巧總結(jié)》、《Python字符串操作技巧匯總》、《Python入門與進(jìn)階經(jīng)典教程》及《Python文件與目錄操作技巧匯總》
希望本文所述對(duì)大家Python程序設(shè)計(jì)有所幫助。
免責(zé)聲明:本站發(fā)布的內(nèi)容(圖片、視頻和文字)以原創(chuàng)、轉(zhuǎn)載和分享為主,文章觀點(diǎn)不代表本網(wǎng)站立場(chǎng),如果涉及侵權(quán)請(qǐng)聯(lián)系站長(zhǎng)郵箱:is@yisu.com進(jìn)行舉報(bào),并提供相關(guān)證據(jù),一經(jīng)查實(shí),將立刻刪除涉嫌侵權(quán)內(nèi)容。