Question

我正在打开这个问题，因为我原来的问题似乎需要一个新方向：my original question

我想创建一个正则表达式，可以从以下类型的日志条目中提取STATIC MESSAGE和DYNAMIC MESSAGE：

/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静态消息;动态消息

一个日志条目类型具有简单的结构：

file:date TYPE STATIC;DYNAMIC

另一个在尝试使用正则表达式进行解析时并不那么简单：

file:date MODULE.NAME TYPE CONNECTION.OR.THREAD STATIC;DYNAMIC

MODULE.NAME和CONNECTION.OR.THREAD要么存在，要么不存在。

到目前为止，我的正则表达式适用于第一种类型的日志条目：

(?:.*?):(?:\w{3} \d{1,2} \d{1,2}:\d{1,2}:\d{1,2})(?:\s+?)(?:[\S|\.]*?(?:\s*?))?(?:(?:TYPE1)|(?:TYPE2)|(?:TYPE3))(?:\s+?)(?:\S+?(?:\s+?))?(.+){1}(?:;(.+)){1}

但每当我进入第二种类型的条目时，我也将CONNECTION.OR.THREAD作为我第一个捕获组的一部分。

我希望有一种方法可以使用前瞻或后瞻功能，以便我可以捕获STATIC和DYNAMIC，如果有CONNECTION.OR.THREAD则忽略MODULE.NAME部分？

我希望这个问题很明确，如果看起来有些暗淡，请参考我原来的问题。谢谢。

编辑：以便澄清。日志的每一行都与其他行不同，每行以文件路径开头，然后是:然后是日期，格式如下：MMM DD HH:MM:SS然后它变得棘手，要么{{1}变化后，MODULE.NAME也会变化，其后TYPE变化，或只变CONNECTION.OR.THREAD。之后有TYPE然后STATIC MESSAGE然后;静态和动态消息都会发生变化，术语DYNAMIC MESSAGE的使用仅仅是因为错误可能是实例“无法连接到服务器; server1.com”，因此错误的静态部分是“无法连接到服务器”，动态部分是“server1.com”

Answer 1

目前我制作了这个庞大的正则表达式：

(?:(?:.*?):(?:\w{3}(?: \d{1,2}){2}(?::\d{1,2}){2}))(?:\s+?)(?:(?:(?:(?:TYPE1)|(?:(?:TYPE1)|(?:TYPE3))(?:\s+?)(?:(.+){1};(.+){1}))|(?:\S+(?:\.\S+)+)(?:\s+?)(?:(?:TYPE1)|(?:TYPE1)|(?:TYPE3))(?:\s+?)(?:\S+(?:\.\S+)+)(?:\s+?)(?:(.+){1};(.+){1})))

我将它分成几部分：

文件/日期+空间：

(?:(?:.*?):(?:\w{3}(?: \d{1,2}){2}(?::\d{1,2}){2}))(?:\s+?)

然后是：

简单:( TYPE STATIC; DYNAMIC）

(?:(?:(?:TYPE1)|(?:TYPE1)|(?:TYPE3))(?:\s+?)(?:(.+){1};(.+){1}))

OR COMPLEX :( MODULE.NAME TYPE CONNECTION.OR.THREAD STATIC; DYNAMIC）

(:?(?:\S+(?:\.\S+)+)(?:\s+?)(?:(?:TYPE1)|(?:TYPE1)|(?:TYPE3))(?:\s+?)(?:\S+(?:\.\S+)+)(?:\s+?)(?:(.+){1};(.+){1}))

它可以解决问题。但它的巨大，我认为它可以改善。所以，如果有人能改进它，请做。

修改

但是有一个问题。因为现在有4个捕获组。所以我不能提前知道我是否必须查看捕获的[0：1]或捕获[2：3]以获得我的结果。任何人都有办法做到这一点，我不会每次检查我有什么东西吗？或者可能是从结果中消除空捕获组的方法，或者可能只从结果列表中获取非空结果？什么？我的大脑很油炸。

EDIT2：

正如@martijn pieters建议我删除了无关的分组，这是我现在的正则表达式：

.*?:\w{3}(?: \d{1,2}){2}(?::\d{2}){2}\s+?(?:(?:(?:TYPE1|TYPE2|TYPE3)\s+?(.+){1};(.+){1})|(?:\S+(‌?:\.\S+)+\s+?(?:TYPE1|TYPE2|TYPE3)\s+?\S+(?:\.\S+)+\s+?(.+){1};(.+){1}))

工作正常。我担心(?:TYPE1|TYPE2|TYPE3)被错误解释为TYPE(1|T)YPE(2|T)YPE3任何见解都会受到赞赏。

另外，如何最好地解析我的结果 - 看到我会得到4个项目的列表，前两个或第二个2为空，另一个有静态/动态结果。

EDIT3：
好吧，我已经完成了混合解决方案。我重新制作了我的正则表达式：

.*?:\w{3}(?: \d{1,2}){2}(?::\d{2}){2}\s+?(?:(?:(?:TYPE1|TYPE2|TYPE3))|(?:\S+(?:\.\S+)+\s+?(?:TYPE1|TYPE2|TYPE3)\s+?\S+(?:\.\S+)+))\s+(.*)

我现在只有1个捕获组，即STATIC; DYNAMIC部分。一旦我得到这个，我就做我以前做过的事情（见我的previous question）

for item in captured: parts = item.split(";") static = parts[0] dynamic = ";".join(parts[1:])

这是我的解决方案。谢谢你@Martijn Pieters特别感谢你的帮助。我希望这可以帮助将来的某个人。

python正则表达式条件子串提取

1 个答案: