Question

名为共识的输入文件具有以下形式：

r Tor4ever AAcif1htILdru0BO0qX7OwGVhAU oHlbWBdaN3+QSleqBVL9/yAdcRs 2014-07-31 21:42:43  
s Exit Fast Guard HSDir Running V2Dir Valid  
v Tor 0.2.4.21  
w Bandwidth=231  
p reject 25,119,135-139,445,563,1214,4661-4666,6346-6429,6699,6881-6999  
r Tornin AA8YrCza5McQugiY3J4h5y4BF9g vNRd1kyQ0i9UsVwYq5YFPHJi3jw 2014-08-01 00:26:18  
s Fast Guard HSDir Named Running Stable V2Dir Valid  
v Tor 0.2.4.23  
w Bandwidth=713  
p reject 1-65535

我想解析名称（r行的开头），保护标志（在s行中）和带宽（在w行中），以提供如下内容：

{ {"nickname" : "Tor4ever", "type" : "Guard", "bandwidth" : "231"}, 
{"nickname" : "Tornin", "type" : "Guard", "bandwidth" : "713"} }

我在制定正确的正则表达式时遇到了麻烦。以下是我正在使用的代码的相关部分：

consensus = file(sys.argv[1]).read() 

regex = re.compile('''^r\s(.*?)\s.*?\ns\s.*?(Guard)\s.*?\nw\s.*?([0-9]+)\n''',  
re.MULTILINE)

for record in regex.finditer(consensus):
    relay = {
    'nickname' : record.group(1),
    'type' : record.group(2),
    'bandwidth' : record.group(3),
    }

    relays['relays'].append(relay)

open('tor_relays.txt','w').write(json.dumps(relays, indent=4))

有人能告诉我为什么我的正则表达式没有解析我预期的方式吗？很抱歉很长的帖子，并提前致谢！

Answer 1

尝试

^r\s(?P<nickname>\b\S+\b).*\n^s\b.*?(?P<type>\bGuard\b).*\n^v.*\n^w\s.*?(?P<bandwidth>\b[0-9]+\b)

它可能比您需要的更冗长，但它使它更容易阅读。 Regex101 demo

import re
p = re.compile(ur'^r\s(?P<nickname>\b\S+\b).*\n^s\b.*?(?P<type>\bGuard\b).*\n^v.*\n^w\s.*?(?P<bandwidth>\b[0-9]+\b)', re.MULTILINE | re.VERBOSE)
test_str = u"r Tor4ever AAcif1htILdru0BO0qX7OwGVhAU oHlbWBdaN3+QSleqBVL9/yAdcRs 2014-07-31 21:42:43  \ns Exit Fast Guard HSDir Running V2Dir Valid  \nv Tor 0.2.4.21  \nw Bandwidth=231  \np reject 25,119,135-139,445,563,1214,4661-4666,6346-6429,6699,6881-6999  \nr Tornin AA8YrCza5McQugiY3J4h5y4BF9g vNRd1kyQ0i9UsVwYq5YFPHJi3jw 2014-08-01 00:26:18  \ns Fast Guard HSDir Named Running Stable V2Dir Valid  \nv Tor 0.2.4.23  \nw Bandwidth=713  \np reject 1-65535"

re.findall(p, test_str)

在python中使用正则表达式中的re.compile和groups

1 个答案: