如何有选择地忽略 python 正则表达式中的字符串？

Question

我已经为我的路由器编写了一个相当基本的系统监视器来跟踪信号何时下降（以及当时发生的所有统计数据），因为非常出色的 routerstatslite 没有收集我需要的一切。

这是要点，但我想在将数据上传到 loggly 之前清理数据，以便我可以根据需要删除 db 和 mbps 后缀

https://gist.github.com/scottharman/6ca07a7c46ca09de3e3b2f0a5094d86e

script =  stats.findAll('script')[1]
pattern = re.compile('(\w+)="(.*?)Mbps\|dB"')
fields = dict(re.findall(pattern, script.text))
clean_fields = { k:v.strip() for k, v in fields.iteritems()}
if old_fields != clean_fields:
    logger.info(json.dumps(clean_fields))
old_fields = clean_fields
print clean_fields
sleep(5)

当我直接将它放入字典时，我想在找到时丢弃 Mbps 或 dB，但显然我所拥有的是行不通的。如果我可以简单地从提取字段时得到的 70-80 条奇数状态行中删除两个字符串，那就更整洁了，但这是不可能的吗？

干杯

来自脚本标签的示例输入：

var conn_down="    13.35 Mbps";
var conn_up="     0.82 Mbps";
var line_down="    34.60 dB";
var line_up="    19.70 dB";
var noise_down="     6.10 dB";
var noise_up="     6.50 dB";

var sys_uptime="74523";
var lan_status="Link up";
var lan_txpkts="1294024";
var lan_rxpkts="2256747";
var lan_collisions="0";
var lan_txbs="10004";
var lan_rxbs="35259";
var lan_systime="74523";

那么处理后的数据是这样的：

u'noise_up': u'6.50 dB', u'lan_rxbs': u'35259', u'an_rxpkts': u'2857867', u'bgn_status': u'600M', u'lan_status0': u'100M/Full', 
u'lan_status3': u'1000M/Full', u'lan_status2': u'100M/Full', u'conn_up': u'0.82 Mbps',

Answer 1

尝试将模式更改为：

pattern = re.compile('(\w+)="\s*(.+?)\s*(?:Mbps|dB)?"')

如果我正确理解了您的需求，我认为这会奏效。这基本上就是您现在所拥有的，但是 "Mbps/dB" 有一个 non-capturing 部分，因此这些单位不会包含在比赛中。

Answer 2

您可以使用可选的 non-capturing 组来匹配 ' Mbps' 或 ' dB':

import re
import pprint

s = '''var conn_down="    13.35 Mbps";
var conn_up="     0.82 Mbps";
var line_down="    34.60 dB";
var line_up="    19.70 dB";
var noise_down="     6.10 dB";
var noise_up="     6.50 dB";

var sys_uptime="74523";
var lan_status="Link up";
var lan_txpkts="1294024";
var lan_rxpkts="2256747";
var lan_collisions="0";
var lan_txbs="10004";
var lan_rxbs="35259";
var lan_systime="74523";'''

pattern = re.compile(r'(\w+)=\"\s*(.*?)(?:\sMbps|\sdB)?\"')
fields = dict(re.findall(pattern, s))
pprint.pprint(fields)

输出：

{'conn_down': '13.35',
 'conn_up': '0.82',
 'lan_collisions': '0',
 'lan_rxbs': '35259',
 'lan_rxpkts': '2256747',
 'lan_status': 'Link up',
 'lan_systime': '74523',
 'lan_txbs': '10004',
 'lan_txpkts': '1294024',
 'line_down': '34.60',
 'line_up': '19.70',
 'noise_down': '6.10',
 'noise_up': '6.50',
 'sys_uptime': '74523'}

在上面的 (\w+)= 中捕获一个或多个字母数字字符，后跟 =。 \"\s* 匹配引号后跟零个或多个空格。 (.*?) 捕获 non-greedily 任何文本，(?:\sMbps|\sdB)? 是可选的 non-capturing 匹配 ' Mbps' 或 ' dB' 的组。参见 regex101 demo。

如何有选择地忽略 python 正则表达式中的字符串？

How to selectively ignore strings to in a python regex?

python

beautifulsoup

loggly