Question

我有很多日志文件，其中包含很多muti和单行消息。我想解析这些消息，因此我想从文件中过滤掉所有单独的消息。我试图将日志文件中的所有多行字符串与正则表达式匹配。我无法弄清楚如何使它也匹配字符串中的最后一条消息。每条新消息都以日期开头。以下示例显示了我尝试执行的操作：

import regex as re
multi = """
2015-08-31T23:33:35.423Z   INFO: disp24 [  process]  (Log.java:124) [toSACLogger] - <?xml version="1.0" encoding="UTF-8"?>
<LifeSignRequest>
    <Header>
        <MessageTime>2015-08-29T05:41:24.0Z</MessageTime>
        <Source>
            <ProcessID>008</ProcessID>
        </Source>
        <Target>
            <ProcessID>FSM</ProcessID>
        </Target>
    </Header>
    <Sequence>9298</Sequence>
</LifeSignRequest>


2015-08-31T23:33:35.440Z   INFO: disp0 [handleResponse]  (HttpClient.java:320) [HttpClient.253_1]no connection or empty contents
2015-08-31T23:33:35.440Z   INFO: disp0 [  process]  (Log.java:124) [toMCSLogger] - <?xml version="1.0"?>
<LifeSignResponse>
  <Header>
    <MessageTime>2015-08-31T23:33:35.000Z</MessageTime>
    <Source>
      <ProcessID>FSM</ProcessID>
    </Source>
    <Target>
      <ProcessID>MCS</ProcessID>
      <InstanceID>3006</InstanceID>
    </Target>
  </Header>
  <Signature>9298</Signature>
</LifeSignResponse>

2015-08-31T23:33:37.164Z   INFO: disp23 [  process]  (Log.java:124) [toSACLogger] - <?xml version="1.0" encoding="UTF-8"?>
<LifeSignRequest>
    <Header>
        <MessageTime>2015-08-31T23:33:36.0Z</MessageTime>
        <Source>
            <ProcessID>014</ProcessID>
        </Source>
        <Target>
            <ProcessID>FSM</ProcessID>
        </Target>
    </Header>
    <Sequence>110</Sequence>
</LifeSignRequest>


2015-08-31T23:33:37.189Z   INFO: disp8 [handleResponse]  (HttpClient.java:320) [HttpClient.253_7]no connection or empty contents
2015-08-31T23:33:37.189Z   INFO: disp8 [  process]  (Log.java:124) [toMCSLogger] - <?xml version="1.0"?>
<LifeSignResponse>
  <Header>
    <MessageTime>2015-08-31T23:33:37.000Z</MessageTime>
    <Source>
      <ProcessID>FSM</ProcessID>
    </Source>
    <Target>
      <ProcessID>MCS</ProcessID>
      <InstanceID>3005</InstanceID>
    </Target>
  </Header>
  <Signature>110</Signature>
</LifeSignResponse>
"""

data = re.findall(r'^([0-9]{4}-[0-9]{2}-[0-9]{2}.*?)(?=^[0-9]{4}-[0-9]{2}-[0-9]{2})', multi, re.DOTALL|re.MULTILINE)
for row in data:
    print row

上例中的正则表达式将匹配除最后一条消息之外的所有消息。

我的问题是：＆＃34;如何将上例中字符串中的所有消息与正则表达式匹配？

Answer 1

Add |\Z to your lookahead：

^([0-9]{4}-[0-9]{2}-[0-9]{2}.*?)(?=^[0-9]{4}-[0-9]{2}-[0-9]{2}|\Z)

你的表达式无法与最后一个组匹配，因为它使用了一个懒惰的点匹配 - 所有这取决于你的前瞻找到匹配的东西（否则它将是懒惰的并匹配0个字符）。 \Z被定义为字符串的结尾（因为$将匹配行的结尾）并且如果没有其他时间戳要查找，则将为延迟匹配提供其他内容。 / p>

如何在python中使用正则表达式匹配所有多行和单行消息

1 个答案: