Python模块·Re正则匹配、切割、替换

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)