Question

我在下面给出了一个字符串。

import "image/draw"

...

img.(draw.Image).Set(0, 0, color.RGBA{136, 0, 21, 255})

我想从上面的字符串中提取AppCodename: Mozilla Appversion: 5.0 (X11; Linux x86_64) AppleWebKit/537.36 (KHTML, like Gecko) Ubuntu Chromium/41.0.2272.76 Chrome/41.0.2272.76 Safari/537.36 。我使用以下python程序。

Mozilla

我得到的输出是

import re
import json

with open('data.txt','rb') as f:                                                                                                                                                               
    data = json.load(f)
    message = data['Message']
    appcodename = re.sub('.+AppCodename: ([^<br>])(.*)',r'\1',message,1)
    print('appcode name {}'.format(appcodename))

我的正则表达式有什么问题。

Answer 1

您可以考虑比替换更容易匹配：

appcodename = re.search('AppCodename: (\w+)', message).group(1)
print('appcode name {}'.format(appcodename))

eval.in

Answer 2

使用以下regex：

# match anything after AppCodename: and before <br>.
'.*AppCodename: ([\w]+?)<br>(.*)'

输出：

appcode name Mozilla

Answer 3

正则表达式的问题有两个：

您使用的是否为[^ ]的否定课程，其匹配除<，b，r和>之外的任何字符（其顺序无关紧要））。这不会对此特定情况造成任何问题，但建议不要使用否定类来阻止特定字符序列的匹配。
您希望([^ ])只匹配1个字符，以匹配多个字符长的Mozilla。

快速＆amp;脏修复：

appcodename = re.sub('.*AppCodename: ([^<br>]+)(.*)',r'\1',message,1)

.*允许匹配，如果字符串以AppCodename开头且([^ ]+)允许匹配多个字符。

正如我上面提到的，不建议否定字符类。因此，这是使上述目标更好的下一步：

appcodename = re.sub(r'.*AppCodename: ((?:(?!<br>).)+).*',r'\1',message,1)

(?:(?! ).)+有点慢（这使用负前瞻(?! ... )），但只要 不在这些字符中，它就会匹配任意数量的字符。它基本上是检查每个字符，每次都确保在尝试匹配之前该字符没有 。接下来，始终建议生成正则表达式字符串以避免意外行为。

最后，之前和之后的更换不是很实用;匹配会使事情变得更简单：

appcodename = re.search(r'AppCodename: ((?:(?!<br>).)+)', message).group(1)

此时，你可能会使用类似的东西，它不会使用负面的前瞻，而且更容易阅读，我相信：

appcodename = re.search(r'AppCodename: (.+?)<br>', message).group(1)

re.sub（）没有像我期望的那样工作

3 个答案: