python提取字符串的方法

小編給大家分享一下python提取字符串的方法，相信大部分人都還不怎么了解，因此分享這篇文章給大家參考一下，希望大家閱讀完這篇文章后大有收獲，下面讓我們一起去了解一下吧！

在Python中，要提取文本的字符串，有多中方法，如使用正則表達式，BeautifulSoup或Xpath等來提取。下面講解用正則表達式來提取字符串。

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標志. 加上re.S后。將會匹配換行符，默認.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\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,^$標志將會匹配每一行，默認^和$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

以上是python提取字符串的方法的所有內容，感謝各位的閱讀！相信大家都有了一定的了解，希望分享的內容對大家有所幫助，如果還想學習更多知識，歡迎關注億速云行業資訊頻道！