正则表达式 - 将连字符后的文本提取到 Python 中的字典中

Posted 2023-02-23

【中文标题】正则表达式 - 将连字符后的文本提取到 Python 中的字典中

【英文标题】：Regex - Extracting text after a hyphen into a dictionary in Python

【发布时间】：2021-04-05 04:51:16

【问题描述】：

我正在尝试将数据从日志中提取到字典中。这是第一行的样子：

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

我已设法将 IP 提取到字典中，但在尝试获取用户名（连字符后）时，我得到以下输出：

'host': '146.204.224.152', 'user_name': ' '

这是我正在使用的代码：

for item in re.finditer("(?P<host>[0-9]+(?:\.[0-9]+)3)(P<user_name>(?<=- )*\s)", logdata):
print(item.groupdict())

我是正则表达式的菜鸟。关于我做错了什么有什么建议吗？

我想要的输出应该是这样的：

'host': '146.204.224.152', 'user_name': 'feest6811'

【参考方案1】：

首先有一个错字，(P<user_name>一定是(?P<user_name>。

正则表达式引擎从左到右解析字符串（至少默认情况下，支持从右到左解析的正则表达式库并不多）。该字符串逐个字符地读取，并尝试将这些字符与模式匹配。它不能跳过消费子模式之间的部分字符串（即那些使正则表达式索引前进的子模式，即非环视）。因此，(?<=- )* 是一个正向的后视，需要一个-，并且空格立即在当前位置的左侧，零次或多次 由于 * 在它之后。这个* 量词使得在这里使用lookbehind 的整个想法毫无意义，因为它不再需要任何东西。所以，所有这些都是用\s 捕获一个空格。

您只需要使用日期和用户之间的部分，例如\s+-\s+ 或\s+\S+\s+：

(?P<host>[0-9]+(?:\.[0-9]+)3)\s+-\s+(?P<user_name>\S+)

请参阅regex demo。

\s+-\s+ 匹配包含一个或多个空格的-，\s+\S+\s+ 匹配一个或多个包含一个或多个空格的非空白字符。

【讨论】：

感谢您的回答和解释。这解决了我的问题。