正则表达式——实战篇

一、Python函数介绍

import re

src_str = "" # 源字符串
pattern = "" # 要匹配的正则表达式

# re.findall()函数用于在字符串中查找所有匹配正则表达式的子字符串，并以列表的形式返回所有的匹配项
# 指定flags=re.DOTALL标志，则"."将匹配包括换行符在内的所有字符；如果不指定此标志，则"."将匹配除换行符之外的所有字符
result = re.findall(pattern=pattern, string=src_str, flags=re.DOTALL)
print(result)

二、实例

1、多个<>型

import re

# 源字符串
src_str = "<span><b>This is a smaple test</b></span>ok."

# 正则表达式1：贪婪匹配
pattern1 = r"<.*>"
# 第一步：先匹配所有的<
# 第二步：.*>表示向后一直找>，.*表示贪婪，会匹配任意字符，所以先遇到的>也会被匹配而不会停止，故一直匹配到最后一个>

result = re.findall(pattern=pattern1, string=src_str, flags=re.DOTALL)
print(result) # 输出结果为['<span><b>This is a smaple test</b></span>']

# 正则表达式1：懒惰匹配
pattern2 = r"<.*?>"
# 第一步：先匹配所有的<
# 第二步：.*?>表示向后一直找>，.*?表示懒惰，即找到第一个>就停止

result = re.findall(pattern=pattern2, string=src_str, flags=re.DOTALL)
print(result) # 输出结果为['<span>', '<b>', '</b>', '</span>']

2、key与value间有不确定个数的字符——可使用.*?一直过滤到value的前一个位置

import re

# 源字符串
src_str = "DomainAccount            : p_picpmpublic\n" \
          "DevicesId                : 30-9c-FA-M910t-N000\n" \
          "Osvision                 : 22.04\n" \
          "SpesIsRunning            : 1\n" \
          "ClientVersion            : 2.1.10.55\n" \
          "PolicyName               : test_linux_health_009\n" \
          "PolicyTime               : 2023-10-30 10:30:20\n" \
          "ClientStatusBriefa       : normal\n"

# 找到PolicyName的value值
# 方法1：懒惰匹配：用?
pattern1 = r"PolicyName.*?: (.*?)\s"
# 第一步：先匹配PolicyNname
# 第二步：.*?: 表示向后一直找到第一个冒号空格为止
# 第三步：()括号内表示要匹配的多个字符，\s表示空格符、换行符
# 第四步：(.*?)\s表示继续向后找到第一个空格符/换行符为止，并将()内匹配到的字符放进结果列表中

# 方法2：贪婪匹配：不用?
pattern1 = r"DomainAccount.*: (.*)\sPolicyTime"
# 第一步：先匹配DomainAccount
# 第二步：.*: 表示向后一直找冒号空格，有很多种情况，此刻需要后面的唯一条件约束
# 第三步：()括号内表示要匹配的多个字符，\s表示空格符、换行符
# 第四步：(.*)\sPolicyTime表示继续向后找到空格符/换行符加上PolicyTime为止，并将()内匹配到的字符放进结果列表中，此刻\sPolicyTime就成为了唯一约束的条件


result = re.findall(pattern=pattern1, string=src_str, flags=re.DOTALL)
print(result) # 输出结果为['test_linux_health_009']

3、key紧随value

import re

# 源字符串
src_str = '"reportData": [\n' \
              '{\n' \
                  '"id": "1",\n' \
                  '"createdate": "2023-10-30 10:30:20",\n' \
                  '"filesize": "604",\n' \
                  '"filename": "c++01.cpp",\n' \
                  '"szDeviceId": "C4-17-E0_DESKTOP-UBANTU",\n' \
                  '"szDomainAccout": "cwx1123456",\n' \
                  '"similar": "100",\n' \
              '}\n' \
          ']\n'


# 找到szDeviceId的value值
pattern1 = r'"szDeviceId": "(.*?)",\s'
# 第一步：先匹配"szDeviceId": "，注意这里的"是字符串自带的，所以不能掉
# 第二步：()括号内表示要匹配的多个字符
# 第三步：(.*?)",\s表示继续向后找到第一个引号逗号加空格符/换行符为止，并将()内匹配到的字符放进结果列表中

# 同样的，以上的正则表达式也可以写成
pattern2 = r'"szDeviceId".*?"(.*?)",\s'
# 如上.*?"表示在"szDeviceId"后向后找到第一个"为止

# 如果在上面的第一步漏掉了"
pattern3 = r'"szDeviceId": (.*?),\s'
# 如上则输出结果会多""


result = re.findall(pattern=pattern1, string=src_str, flags=re.DOTALL)
print(result) # 输出结果为['C4-17-E0_DESKTOP-UBANTU']

result = re.findall(pattern=pattern2, string=src_str, flags=re.DOTALL)
print(result) # 输出结果为['C4-17-E0_DESKTOP-UBANTU']

result = re.findall(pattern=pattern3, string=src_str, flags=re.DOTALL)
print(result) # 输出结果为['"C4-17-E0_DESKTOP-UBANTU"']