再见了,正则表达式
本文选自我个人创作的电子书 《Python黑魔法手册》
《Python黑魔法手册》在线阅读:http://magic.iswbm.com
Github 项目地址:https://github.com/iswbm/magic-python
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 — parse 。
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 。
cookie=0x9816da8e872d717d, duration=298506.364s, table=0, n_packets=480, n_bytes=20160, priority=10,arp,in_port="tapbbdf080b-c2" actions=resubmit(,24)
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
$ python -m pip install parse
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
>>> parse("halo", "hello") is None
True
>>>
- 如果匹配上,parse 的值则 为 Result 实例
>>> parse("hello", "hello world")
>>> parse("hello", "hello")
<Result () {}>
>>>
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:
>>> profile = parse("I am {}, {} years old, {}", "I am Jack, 27 years old, male")
>>> profile
<Result ("Jack", "27", "male") {}>
>>> profile[0]
"Jack"
>>> profile[1]
"27"
>>> profile[2]
"male"
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:
>>> profile = parse("I am {name}, {age} years old, {gender}", "I am Jack, 27 years old, male")
>>> profile
<Result () {"gender": "male", "age": "27", "name": "Jack"}>
>>> profile["name"]
"Jack"
>>> profile["age"]
"27"
>>> profile["gender"]
"male"
3. 重复利用 pattern
和使用 re 一样,parse 同样支持 pattern 复用。
>>> from parse import compile
>>>
>>> pattern = compile("I am {}, {} years old, {}")
>>> pattern.parse("I am Jack, 27 years old, male")
<Result ("Jack", "27", "male") {}>
>>>
>>> pattern.parse("I am Tom, 26 years old, male")
<Result ("Tom", "26", "male") {}>
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"27"
,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。
>>> from parse import parse
>>> profile = parse("I am {name}, {age:d} years old, {gender}", "I am Jack, 27 years old, male")
>>> profile
<Result () {"gender": "male", "age": 27, "name": "Jack"}>
>>> type(profile["age"])
<type "int">
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
>>> parse("Meet at {:tg}", "Meet at 1/2/2011 11:00 PM")
<Result (datetime.datetime(2011, 2, 1, 23, 0),) {}>
更多类型请参考官方文档:
Type | Characters Matched | Output |
---|---|---|
l | Letters (ASCII) | str |
w | Letters, numbers and underscore | str |
W | Not letters, numbers and underscore | str |
s | Whitespace | str |
S | Non-whitespace | str |
d | Digits (effectively integer numbers) | int |
D | Non-digit | str |
n | Numbers with thousands separators (, or .) | int |
% | Percentage (converted to value/100.0) | float |
f | Fixed-point numbers | float |
F | Decimal numbers | Decimal |
e | Floating-point numbers with exponent e.g. 1.1e-10, NAN (all case insensitive) | float |
g | General number format (either d, f or e) | float |
b | Binary numbers | int |
o | Octal numbers | int |
x | Hexadecimal numbers (lower and upper case) | int |
ti | ISO 8601 format date/time e.g. 1972-01-20T10:21:36Z (“T” and “Z” optional) | datetime |
te | RFC2822 e-mail format date/time e.g. Mon, 20 Jan 1972 10:21:36 +1000 | datetime |
tg | Global (day/month) format date/time e.g. 20/1/1972 10:21:36 AM +1:00 | datetime |
ta | US (month/day) format date/time e.g. 1/20/1972 10:21:36 PM +10:30 | datetime |
tc | ctime() format date/time e.g. Sun Sep 16 01:03:52 1973 | datetime |
th | HTTP log format date/time e.g. 21/Nov/2011:00:07:11 +0000 | datetime |
ts | Linux system log format date/time e.g. Nov 9 03:37:44 | datetime |
tt | Time e.g. 10:21:36 PM -5:30 | time |
5. 提取时去除空格
去除两边空格
>>> parse("hello {} , hello python", "hello world , hello python")
<Result (" world ",) {}>
>>>
>>>
>>> parse("hello {:^} , hello python", "hello world , hello python")
<Result ("world",) {}>
去除左边空格
>>> parse("hello {:>} , hello python", "hello world , hello python")
<Result ("world ",) {}>
去除右边空格
>>> parse("hello {:<} , hello python", "hello world , hello python")
<Result (" world",) {}>
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:
>>> parse("SPAM", "spam")
<Result () {}>
>>> parse("SPAM", "spam") is None
False
>>> parse("SPAM", "spam", case_sensitive=True) is None
True
7. 匹配字符数
精确匹配:指定最大字符数
>>> parse("{:.2}{:.2}", "hello") # 字符数不符
>>>
>>> parse("{:.2}{:.2}", "hell") # 字符数相符
<Result ("he", "ll") {}>
模糊匹配:指定最小字符数
>>> parse("{:.2}{:2}", "hello")
<Result ("h", "ello") {}>
>>>
>>> parse("{:2}{:2}", "hello")
<Result ("he", "llo") {}>
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
>>> parse("{:2}{:2}", "1024")
<Result ("10", "24") {}>
>>>
>>>
>>> parse("{:2d}{:2d}", "1024")
<Result (10, 24) {}>
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
>>> profile = parse("I am {name}, {age:d} years old, {}", "I am Jack, 27 years old, male")
>>> profile.fixed
("male",)
>>> profile.named
{"age": 27, "name": "Jack"}
>>> profile.spans
{0: (25, 29), "age": (11, 13), "name": (5, 9)}
>>>
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
>>> parse("I am {:d}", "I am 27")
<Result (27,) {}>
>>> type(_[0])
<type "int">
>>>
其等价于
>>> def myint(string):
... return int(string)
...
>>>
>>>
>>> parse("I am {:myint}", "I am 27", dict(myint=myint))
<Result (27,) {}>
>>> type(_[0])
<type "int">
>>>
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
>>> def shouty(string):
... return string.upper()
...
>>> parse("{:shouty} world", "hello world", dict(shouty=shouty))
<Result ("HELLO",) {}>
>>>
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。