使用正则表达式在 IRC 日志中提取用户名？

Posted 2023-02-23

【中文标题】使用正则表达式在 IRC 日志中提取用户名？

【英文标题】：Extracting username in IRC logs with regex?

【发布时间】：2013-05-01 19:42:00

【问题描述】：

我正在尽我所能学习编程，而且我一直从 Python 开始。我目前正在编写一个 IRC 统计生成器（好像还没有足够的），并且我试图想出一个匹配特定日志格式的用户名（并且只有用户名）的正则表达式。但是，我拥有的与 re.search 不匹配。

这里是一个日志格式的例子：

may 01 14:04:54 <FishCream> Wahoo!
may 01 14:05:01 <LpSamuelm> Oh, if only talking was this fun in real life.
jan 01 00:00:00 <Username>  Message goes here.
jan 01 00:00:00 *   Username Action goes here.

这里是编译语句：

findusername = re.compile("^[a-zA-Z]+\s[0-9]+\s[0-9:]\s<([A-Za-z]+)>")
finduseraction = re.compile("^[a-zA-Z]+\s[0-9]+\s[0-9:]\s\*\s+([A-Za-z]+)\s")

如您所见，我已经做了两个单独的语句，用于在用户说话和使用 /me 命令时查找用户名 - 为这两个创建一个超级正则表达式可能是可能的，但我已经很头疼了是的。

谁能帮我找出问题所在？

【参考方案1】：

你的 [0-9:] 类只匹配 一个 字符，而不是那里的 8 个字符；添加量词：

findusername = re.compile("^[a-zA-Z]+\s[0-9]+\s[0-9:]8\s<([A-Za-z]+)>")
finduseraction = re.compile("^[a-zA-Z]+\s[0-9]+\s[0-9:]8\s\*\s+([A-Za-z]+)\s")

这假定您每次都在单独的行上输入；如果您的日志文本一次包含多行，请添加 re.MULTILINE 标志。

在您的输入示例中使用re.MULTILINE 标志和.findall() 的演示：

>>> findusername = re.compile("^[a-zA-Z]+\s[0-9]+\s[0-9:]8\s<([A-Za-z]+)>", re.MULTILINE)
>>> finduseraction = re.compile("^[a-zA-Z]+\s[0-9]+\s[0-9:]8\s\*\s+([A-Za-z]+)\s", re.MULTILINE)
>>> findusername.findall(logs)
['FishCream', 'LpSamuelm', 'Username']
>>> finduseraction.findall(logs)
['Username']

【讨论】：

哦，哇，我不敢相信我没听懂。非常感谢！顺便说一句，您还帮助我了解了我不熟悉的集合量词的语法。