Python正则表达式分组查找器

Question

输入：146.204.224.152 - feest6811 [21/Jun/2019:15:45:24 -0700] "POST /incentivize HTTP/1.1" 302 4622预期输出：example_dict = {"host":"146.204.224.152", "user_name":"feest6811","time":"21/Jun/2019:15:45:24 -0700","request":"POST /incentivize HTTP/1.1"}我的代码适用于单独分组，例如：for item in re.finditer('(?P<host>\d*\.\d*\.\d*.\d*)',logdata):        print(item.groupdict())Output: {'host': '146.204.224.152'}但我没有通过组合每个组来获得输出。下面是我的代码：for item in re.finditer('(?P<host>\d*\.\d*\.\d*.\d*)(?P<user_name>(?<=-\s)[\w]+\d)(?P<time>(?<=\[).+(?=]))(?P<request>(?<=").+(?="))',logdata):           print(item.groupdict())

Answer 1

如果您连续粘贴两个正则表达式，它们将仅连续匹配文本。例如，如果组合a和b，则正则表达式ab将匹配文本ab，但不匹配acb。

您的组合正则表达式遇到了这个问题；您已将正则表达式融合在一起，这些正则表达式显然可以单独工作，但它们与直接相邻的字符串不匹配，因此您必须添加一些填充来覆盖输入中的中间子字符串。

这是一个稍微重构的版本，其中添加了填充，并且还进行了一些常规修复，以避免常见的正则表达式初学者错误。

for item in re.finditer(r'''

        (?P<host>\d+\.\d+\.\d+.\d+)

        (?:[-\s]+)

        (?P<user_name>\w+\d)

        (?:[^[]+\[)

        (?P<time>[^]]+)

        (?:\][^]"]+")

        (?P<request>[^"]+)''',

        logdata, re.VERBOSE):

    print(item.groupdict())

演示： https: //ideone.com/BsNLG7

Answer 2

我可能会简化您的正则表达式模式并仅re.findall在此处使用：

inp = '146.204.224.152 - feest6811 [21/Jun/2019:15:45:24 -0700] "POST /incentivize HTTP/1.1" 302 4622'

matches = re.findall(r'(\d+\.\d+\.\d+\.\d+) - (\S+) \[(.*?)\] "(.*?)"', inp)

print(matches)

这将生成一个元组列表，其中包含您想要的四个捕获术语：

[('146.204.224.152', 'feest6811', '21/Jun/2019:15:45:24 -0700', 'POST /incentivize HTTP/1.1')]