Question

我知道有很多关于子串的帖子，相信我已经搜索了很多人寻找答案。

我有很多字符串，来自日志的行，我正在尝试对它们进行分类和解析。

他们看起来像这样：

/long/file/name/with.dots.and.extension:Jan 01 12:00:00 TYPE Static 消息;动态消息

其中文件名是日志所在的文件，日期是消息放入日志的日期/时间，TYPE是消息的类型，然后消息由两部分组成，静态部分和动态部分，静态部分不会因消息而改变，动态部分可以更改（显然），并且它们会被;拆分，但动态中可能会有更多;一部分。

我希望能够提取静态消息和动态消息。

到目前为止，我一直在使用这样的东西：

parts = line.split(";")
static = parts[0]
dynamic = ";".join(parts[1:])

不是很漂亮。而且我的静态部分包含文件名，日期和类型，我不想要。所以我想我会做这样的事情：

parts = " ".join(":".join(line.split(":")[1:]).split(" ")[4:]).split(";")
static = parts[0]
dynamic = ";".join(parts[1:])

我已经尝试了，它在某种程度上有效，除了有时文件名可能有空格，或者TYPE可能有空格或某些东西无法正常工作，我有时会将TYPE作为静态消息的一部分。效率是一个问题，因为这些是数千行日志，必须每天解析和分类。所以我想知道除了这个黑客工作之外还有更好的办法吗？

编辑：我想我会在日志中提供更多行的示例。为了解决我之前所说的，有几种类型的条目。

/long/file/name/with.dots.and.extension:Jan 01 12:00:00 TYPE Static   消息;动态消息

/long/file/name/with.dots.and.extension:Jan 01 12:00:00 MODULE.NAME TYPE THREAD.OR.CONNECTION.INFORMATION Static   消息;动态消息

所以你可以看到 - 有两种类型的日志条目。那些没有模块和那些模块的人可以连接到连接，有些连接到线程。这使解析更难。

Answer 1

您可以将拆分限制为第一个';'只有：

static, dynamic = line.split(';', 1)

你的静态部分拆分可能需要多做一些，但是如果你知道第一部分中空格的数量是静态的，那么也许同样的技巧可以在那里工作：

static = static.split(' ', 4)[-1]

如果该行的第一部分更复杂（TYPE部分中的空格），我担心在此之前删除所有内容将会更加困难。最好的办法是找出TYPE可以假设的有限值集，并使用带有该信息的正则表达式来分割静态部分。

Answer 2

您可以尝试以下方式：

>>> regexp = re.compile("^([\/.\w]*)\:(\w{3}\s\d{2}\s\d{2}\:\d{2}\:\d{2})\s([A-Z]*)\s([\w\s]*)\;([\w\s]*)$")
>>> regexp.match(line).groups()
('/long/file/name/with.dots.and.extension', 'Jan 01 12:00:00', 'TYPE', 'Static Message', 'Dynamic Message')

非常具体的子字符串检索和拆分

2 个答案: