使用re.finditer生成迭代对象，没有return，单独测试regex代码是ok的

Question

这是正则表达式代码

pattern="""
(?P<host>\d{1,3}\.\d{1,3}\.\d{1,3}\.\d{1,3})
(\ \-\ )
(?P<user_name>[a-z]{1,100}\d{4}|\-{1})
( \[)(?P<time>\d{2}\/[A-Za-z]{3}\/\d{4}\:\d{2}\:\d{2}\:\d{2}\ -\d{4})
(\] ")
(?P<request>.+)
(")
"""
for item in re.finditer(pattern,text,re.VERBOSE):
    # We can get the dictionary returned for the item with .groupdict()
    print(item.groupdict())

我使用 Jupyter Notebook 来运行这些代码。

测试文字为

146.204.224.152 - feest6811 [21/Jun/2019:15:45:24 -0700] "POST /incentivize HTTP/1.1" 302 4622
197.109.77.178 - kertzmann3129 [21/Jun/2019:15:45:25 -0700] "DELETE /virtual/solutions/target/web+services HTTP/2.0" 203 26554

Answer 1

主要问题是您没有在模式中转义文字 space。当使用 re.X / re.VERBOSE 时，模式中的任何白色 space（在字符 class 之外）都被视为格式化的白色 space 并且不在结束。在 Python re 模式中，[ ] 将总是匹配文字 space，但这在其他语言风格中不能保证，所以在使用 re.X 类似标志编译的模式中匹配 space 的最佳方法是 转义 space.

除此之外，还有一些需要注意的地方：

{1}总是多余的，去掉它
可以将重复的模式分组到非捕获组中，并使用适当的量词进行量化，例如\d{1,3}\.\d{1,3}\.\d{1,3}\.\d{1,3} => \d{1,3}(?:\.\d{1,3}){3}
在 [=15] 中无需转义 / 和 :（模式中的任何位置）和 -（在字符 class 之外时） =]正则表达式。

因此，您可以使用

pattern = r'''(?P<host>\d{1,3}(?:\.\d{1,3}){3})
(\ -\ )
(?P<user_name>[a-z]{1,100}\d{4}|-)
(\ \[)(?P<time>\d{2}/[A-Za-z]{3}/\d{4}:\d{2}:\d{2}:\d{2}\ -\d{4})
(\]\ ")
(?P<request>.+)
(")'''

见regex demo and the Python demo:

import re
text = '''146.204.224.152 - feest6811 [21/Jun/2019:15:45:24 -0700] "POST /incentivize HTTP/1.1" 302 4622
197.109.77.178 - kertzmann3129 [21/Jun/2019:15:45:25 -0700] "DELETE /virtual/solutions/target/web+services HTTP/2.0" 203 26554'''
pattern = r'''(?P<host>\d{1,3}(?:\.\d{1,3}){3})
(\ -\ )
(?P<user_name>[a-z]{1,100}\d{4}|-)
(\ \[)(?P<time>\d{2}/[A-Za-z]{3}/\d{4}:\d{2}:\d{2}:\d{2}\ -\d{4})
(\]\ ")
(?P<request>.+)
(")'''
for item in re.finditer(pattern,text,re.VERBOSE):
    print(item.groupdict()) # We can get the dictionary returned for the item with .groupdict()

输出：

{'host': '146.204.224.152', 'user_name': 'feest6811', 'time': '21/Jun/2019:15:45:24 -0700', 'request': 'POST /incentivize HTTP/1.1'}
{'host': '197.109.77.178', 'user_name': 'kertzmann3129', 'time': '21/Jun/2019:15:45:25 -0700', 'request': 'DELETE /virtual/solutions/target/web+services HTTP/2.0'}

使用re.finditer生成迭代对象，没有return，单独测试regex代码是ok的

Using re.finditer to generate iterative object, but no return, the regex code is ok when testing separately

regex

logging

python-re