非贪婪的正则表达式不符合预期

Question

给出以下字符串作为输入：

[2015/06/09 14:21:59] mod=syn|cli=192.168.1.99/49244|srv=192.168.1.100/80|subj=cli|os=Windows 7 or 8|dist=0|params=none|raw_sig=4:128+0:0:1460:8192,8:mss,nop,ws,nop,nop,sok:df,id+:0

我正在尝试匹配subj的值，即：在上述情况下，预期输出为cli

我不明白为什么我的正则表达式不起作用：

subj = re.match(r"(.*)subj=(.*?)|(.*)", line).group(2)

据我所知，这里的第二组应该是cli，但我的结果是空的。

Answer 1

|在正则表达式中具有特殊含义（创建alternations），因此将其转义为

>> re.match(r"(.*)subj=(.*?)\|", line).group(2)
'cli'

另一种解决方案

您可以使用re.search()，以便在subj开头和|

之后摆脱群组

示例

>>> re.search(r"subj=(.*?)\|", line).group(1)
'cli'

我们在这里使用group(1)，因为只有一个正在被捕获的组而不是之前版本中的三个。

• Read about the differences between search and match

复杂版

如果使用look arounds

，您甚至可以摆脱所有捕获

>>> re.search(r"(?<=subj=).*?(?=\|)", line).group(0)
'cli'

• (?<=subj=)检查.*?匹配的字符串是否以subj开头。

• .*?匹配任何内容，非贪婪匹配。

• (?=\|)检查此任何后面是|。

Answer 2

您需要转义| ..请使用以下内容：

subj = re.match(r"(.*)subj=(.*?)\|(.*)", line).group(2)
                                ^

Answer 3

Regex101

我建议使用以下正则表达式，因为它会通过两次添加/替换提供更好的性能：

• 添加行字符^
的开头
• 添加否定组[^\|]*比(.*)?
更快

<强>代码

subj = re.match(r"^.*\|subj=([^\|]*)", line).group(1)

正则表达式：

^.*\|subj=([^\|]*)

Debuggex Demo

Answer 4

管道标志<TestClass()> Public Class UnitTest1 <TestMethod()> Public Sub TestMethod1() Assert.IsTrue(True) End Sub End Class 需要转义，如下所示：

Testing started: Total tests: 1, filtered: 1 Exception: Message: An error occurred while initializing the settings provider named 'RunConfiguration'. Error: Invalid settings 'RunConfiguration'. Unexpected XmlElement: 'SolutionDirectory'. Source: Microsoft.VisualStudio.TestPlatform.Core StackTrace: at Microsoft.VisualStudio.TestPlatform.Core.RunSettings.<>c__DisplayClass2.<CreateLazyThrower>b__1() at Microsoft.VisualStudio.TestPlatform.Core.TestPluginsFramework.LazyExtension`2.get_Value() at Microsoft.VisualStudio.TestPlatform.Core.RunSettings.GetSettings(String settingsName) at CR_VSTesting.Executor.Run(ExecuteTestData data, RunSettings settings, IEnumerable`1 testCases) at CR_VSTesting.Executor.Execute(ExecuteTestData data) InnerException: Exception: Message: Invalid settings 'RunConfiguration'. Unexpected XmlElement: 'SolutionDirectory'. Source: Microsoft.VisualStudio.TestPlatform.ObjectModel StackTrace: at Microsoft.VisualStudio.TestPlatform.ObjectModel.RunConfiguration.FromXml(XmlReader reader) at Microsoft.VisualStudio.TestPlatform.Extensions.RunConfigurationSettingsProvider.Load(XmlReader reader) at Microsoft.VisualStudio.TestPlatform.Core.RunSettings.LoadSection(XmlReader reader, SettingsProviderExtensionManager settingsExtensionManager, Boolean reload) No tests found. Duration : 0.8022362

Answer 5

我会使用带有[^|]*的否定类re.search来获得更好的效果：

import re
p = re.compile(r'^(.*)subj=([^|]*)\|(.*)$')
test_str = "[2015/06/09 14:21:59] mod=syn|cli=192.168.1.99/49244|srv=192.168.1.100/80|subj=cli|os=Windows 7 or 8|dist=0|params=none|raw_sig=4:128+0:0:1460:8192,8:mss,nop,ws,nop,nop,sok:df,id+:0"
print re.search(p, test_str).group(2)

请参阅IDEONE demo

注意我没有在正则表达式中使用懒惰和贪婪量词（通常不建议）。

必须对管道符号进行转义才能将其视为文字|符号。

REGEX EXPLANATION ：

• ^ - 字符串开头
• (.*) - 第一个匹配从开头到
的字符的捕获组
• subj= - 文字字符串subj=
• ([^|]*) - 第二个捕获组匹配除文字管道之外的任何字符（在字符类中，它不需要转义）
• \| - 文字管道（必须转义）
• (.*) - 第三个捕获组（如果你需要在结束后获取字符串。
• $ - 字符串结尾