Python使用re模块实现信息筛选的方法
本文实例讲述了Python使用re模块实现信息筛选的方法。分享给大家供大家参考，具体如下：
背景
平时工作中，我们经常会处理大量的元数据（Raw Data),而一般的文件编辑器只能一次查询一个关键字，这就难以连续的分析元数据，比如分析产品日志文件（log），日志可能包括很多information级别的信息，这些一般是我们不太关心的，我们主要关心的是一些特殊的调试（Debug）级别的信息，所以就有必要根据很多关键字筛选出来日志文件中我们所关系的信息，这样筛选出来的日志文件不仅具有连续性，而且易读性会非常好。
解决方案
re是Python自带的正则表达式库文件，为字符串的匹配筛选提供了极大的便利，本文就是利用re来进行日志文件的信息筛选。首先，简单来看一下re中的主要函数：
1. Compile(pattern, flag)：对正则表达式进行编译，比检查语法的正确性。flag是编译的标签，这里只介绍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(): 从目标字符串的开头来判断是否与正则表达式匹配，如果不匹配返回None，反之，返回匹配对象，包括起始位置，结束位置，字符串内容
>>> import re
>>> test = re.compile('[abc]+')
>>> test.match('dabc')
>>> test.match('babc')
<_sre.SRE_Match object; span=(0, 4), match='babc'>
test是一个以a或b或c开头的正则表达式编译对象，而match是从目标字符串的开头进行匹配，所以第一个目标字符串“dabc”不符合正则表达式规则，所以返回None;第二个目标字符串可以正常匹配输出匹配对象（起始位置，匹配内容），由于match每次都从目标字符串的开头进行匹配，所以如果有匹配字符串，其开始位置始终为0.
3. search：与match功能相近，search会扫描全目标字符串进行正则表达式匹配。
>>> import re
>>> test = re.compile('[abc]+')
>>> test.search('dabc')
<_sre.SRE_Match object; span=(1, 4), match='abc'>
>>>
这时用search就可以匹配a，b，c开头的字符串了
4. findall：找出目标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']
当然，re中还有很多其他的函数可供大家使用，大家可以去查阅python官方文档。
其次，介绍几个正则表达式常用的符号：
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. +：表示匹配其前面紧邻字符一次或多次
5. ?: 表示匹配0或1次
其他的正则表达式的表示也可去官网文档查看。
最后，上一下这个简单的筛选程序：
import re
source = 'GCM.txt'
target = 'g2s.txt'
#一级筛选
raw_compile = re.compile(r"<g2s:g2sMessage.*?</g2s:g2sMessage>",re.DOTALL)
#二级筛选
messagelevel_compile = re.compile(r"<igtLicensing.*|<g2s:idReader.*",re.DOTALL)
#二级筛选
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()
程序很简单，在筛选的过程中大家可以先分析一下筛选的级别，可以逐级筛选。
总结：
re不仅仅提供了正则表达式的匹配，而且提供了一些批量处理的函数，比如split，sub，subn等等，这些函数都可以提高我们对文件内容的快速处理，节省时间。
PS：这里再为大家提供2款非常方便的正则表达式工具供大家参考使用：
JavaScript正则表达式在线测试工具：
http://tools.jb51.net/regex/javascript
正则表达式在线生成工具：
http://tools.jb51.net/regex/create_reg
更多关于Python相关内容可查看本站专题：《Python正则表达式用法总结》、《Python数据结构与算法教程》、《Python函数使用技巧总结》、《Python字符串操作技巧汇总》、《Python入门与进阶经典教程》及《Python文件与目录操作技巧汇总》
希望本文所述对大家Python程序设计有所帮助。
相关文章
本文主要介绍了Django前端BootCSS实现分页的方法，文中通过示例代码介绍的非常详细，具有一定的参考价值，感兴趣的小伙伴们可以参考一下2021-11-11
今天小编就为大家分享一篇selenium+python 对输入框的输入处理方法，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧2018-10-10
这篇文章主要介绍了Python+Turtle动态绘制一棵树实例分享，具有一定借鉴价值,需要的朋友可以参考下2018-01-01
这篇文章主要介绍了Python在for循环里处理大数据的推荐方法实例详解,有需要的朋友可以借鉴参考下,希望能够有所帮助,祝大家多多进步,早日升职加薪2024-01-01
这篇文章主要介绍了使用sklearn对多分类的每个类别进行指标评价操作，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧2020-06-06
docx提供了一组功能丰富的函数和方法，用于创建、修改和读取Word文档，Python可以用它对word文档进行大批量的编辑，下面小编就来通过一些示例为大家好好讲讲吧2023-07-07
这篇文章主要介绍了Python中numpy.pad()函数的使用详解,在卷积神经网络中,为了避免卷积运算导致输出图像缩小和图像边缘信息丢失,常常采用图像边缘填充技术,即在图像四周边缘填充0,使得卷积运算后图像大小不会缩小,同时也不会丢失边缘和角落的信息,需要的朋友可以参考下2023-10-10
这篇文章主要介绍了python中关于property的最详细使用方法,本文给大家介绍的非常详细，对大家的学习或工作具有一定的参考借鉴价值，需要的朋友可以参考下2021-04-04
这篇文章主要介绍了Python多线程,对比了新旧版本的Python在实现多线程的特点,并采用threading模块的实例来讲述了多线程的技巧,需要的朋友可以参考下2014-09-09
今天小编就为大家分享一篇关于Python小进度条显示代码，小编觉得内容挺不错的，现在分享给大家，具有很好的参考价值，需要的朋友一起跟随小编来看看吧2019-03-03
最新评论