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，簡單來看一下re中的主要函數(shù)：

1. Compile(pattern, flag)：對正則表達(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。