再见,正则表达式

  从一段指定的字符串中,取得期望的数据,正常人都会想到正则表达式吧?

  写过正则表达式的人都知道,正则表达式入门不难,写起来也容易。

  但是正则表达式几乎没有可读性可言,维护起来,真的会让人抓狂,别以为这段正则是你写的就可以驾驭它,过个一个月你可能就不认识它了。

  完全可以说,天下苦正则久矣。

  今天给你介绍一个好东西,可以让你摆脱正则的噩梦,那就是 Python 中一个非常冷门的库 -- 。

  1. 真实案例

  拿一个最近使用 parse 的真实案例来举例说明。

  下面是 ovs 一个条流表,现在我需要收集提取一个虚拟机(网口)里有多少流量、多少包流经了这条流表。也就是每个 in_port 对应的 n_bytes、n_packets 的值 。

  如果是你,你会怎么做呢?

  先以逗号分隔开来,再以等号分隔取出值来?

  你不防可以尝试一下,写出来的代码应该和我想象的一样,没有一丝美感而言。

  我来给你展示一下,我是怎么做的?

  

  可以看到,我使用了一个叫做 parse 的第三方包,是需要自行安装的

  从上面这个案例中,你应该能感受到 parse 对于解析规范的字符串,是非常强大的。

  2. parse 的结果

  parse 的结果只有两种结果:

  没有匹配上,parse 的值为None

  如果匹配上,parse 的值则 为 Result 实例 http://www.024ljyy.com/

  如果你编写的解析规则,没有为字段定义字段名,也就是匿名字段, Result 将是一个 类似 list 的实例,演示如下:

  而如果你编写的解析规则,为字段定义了字段名, Result 将是一个 类似 字典 的实例,演示如下:

  3. 重复利用 pattern

  和使用 re 一样,parse 同样支持 pattern 复用。

  4. 类型转化

  从上面的例子中,你应该能注意到,parse 在获取年龄的时候,变成了一个 ,这是一个字符串,有没有一种办法,可以在提取的时候就按照我们的类型进行转换呢?

  你可以这样写。

  除了将其转为 整型,还有其他格式吗?

  内置的格式还有很多,比如

  匹配时间

  更多类型请参考官方文档:

  5. 提取时去除空格

  去除两边空格

  去除左边空格

  去除右边空格

  6. 大小写敏感开关

  Parse 默认是大小写不敏感的,你写 hello 和 HELLO 是一样的。

  如果你需要区分大小写,那可以加个参数,演示如下:

  7. 匹配字符数

  精确匹配:指定最大字符数

  模糊匹配:指定最小字符数

  若要在精准/模糊匹配的模式下,再进行格式转换,可以这样写

  8. 三个重要属性

  Parse 里有三个非常重要的属性

  fixed:利用位置提取的匿名字段的元组

  named:存放有命名的字段的字典

  spans:存放匹配到字段的位置

  下面这段代码,带你了解他们之间有什么不同

  9. 自定义类型的转换

  匹配到的字符串,会做为参数传入对应的函数

  比如我们之前讲过的,将字符串转整型

  其等价于

  利用它,我们可以定制很多的功能,比如我想把匹配的字符串弄成全大写

  10 总结一下

  parse 库在字符串解析处理场景中提供的便利,肉眼可见,上手简单。

  在一些简单的场景中,使用 parse 可比使用 re 去写正则开发效率不知道高几个 level,用它写出来的代码富有美感,可读性高,后期维护起代码来一点压力也没有,推荐你使用。

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
好的,让我来为您解答这个问题。 首先,我们需要读取这个文件。可以使用 Python 的内置模块 `io` 中的 `open()` 函数打开文件,读取文件内容并存储在一个字符串变量中。下面是示例代码: ```python with open("file.txt", "r", encoding="utf-8") as f: contents = f.read() ``` 请将代码中的 `file.txt` 替换为您实际使用的文件名。 接着,我们可以使用 Python 中的 `collections` 模块中的 `Counter` 类来统计词频。这个类可以很方便地统计每个单词出现的次数。下面是示例代码: ```python import re from collections import Counter # 使用正则表达式提取单词 words = re.findall(r'\b\w+\b', contents) # 使用 Counter 统计词频 word_counts = Counter(words) ``` 上面的代码中,我们使用正则表达式 `r'\b\w+\b'` 来匹配单词,`\b` 表示单词的边界,`\w+` 表示一个或多个字母数字字符。 最后,我们可以使用 Python 的 `gensim` 模块中的 `summarization` 子模块来提取关键字。这个子模块提供了一个叫做 `keywords()` 的函数,可以根据 TF-IDF 算法提取文本中的关键字。下面是示例代码: ```python from gensim.summarization import keywords # 提取关键字 kw = keywords(contents, ratio=0.2) # 打印关键字 print(kw) ``` 上面的代码中,我们使用 `keywords()` 函数提取文本中的关键字,`ratio=0.2` 表示提取关键字的数量占总单词数的比例为 0.2。 完整代码如下: ```python import re from collections import Counter from gensim.summarization import keywords # 读取文件 with open("file.txt", "r", encoding="utf-8") as f: contents = f.read() # 使用正则表达式提取单词 words = re.findall(r'\b\w+\b', contents) # 使用 Counter 统计词频 word_counts = Counter(words) # 打印词频前 10 的单词和它们的出现次数 print(word_counts.most_common(10)) # 提取关键字 kw = keywords(contents, ratio=0.2) # 打印关键字 print(kw) ``` 希望能对您有所帮助!
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值