Python 正则表达式 - 捕获重复模式组

Question

我有一个正在尝试解析的日志文件。 日志文件示例如下：

10 月 23 日 13:03:03.714012 prod1_xyz(RSVV)[201]：#msgtype=EVENT #server=Web/Dev@server1web #func=LKZ_WriteData（第 2992 行）#rc=0 #msgid=XYZ0064 #reqid=0 #msg= Web 活动结束（第 200 节，# SysD 1，文件 222，字节 343422089928，错误 0，中止文件 0，忙碌文件 0）

我想提取所有以 hash 开头的文本，并有一个键和值。 例如，#msgtype=EVENT。 任何仅具有 hash 且没有“=”符号的文本都将被视为一个值。

所以在上面的日志条目中，我想要一个看起来像这样的列表

#msgtype=EVENT
#server=Web/Dev@server1web
#func=LKZ_WriteData ( line 2992 ) 
#rc=0
#msgid=XYZ0064 
#reqid=0
#msg=Web Activity end (section 200, # SysD 1, Files 222, Bytes 343422089928, Errors 0, Aborted Files 0, Busy Files 0) (Notice the hash present in the middle of the text)

我已经尝试过 Python 正则表达式 findall 选项，但我无法捕获所有数据。

例如：

str='Oct 23 13:03:03.714012 prod1_xyz(RSVV)[201]: #msgtype=EVENT #server=Web/Dev@server1web #func=LKZ_WriteData ( line 2992 ) #rc=0 #msgid=XYZ0064 #reqid=0 #msg=Web Activity end (section 200, # SysD 1, Files 222, Bytes 343422089928, Errors 0, Aborted Files 0, Busy Files 0)'

z = re.findall("(#.+?=.+?)(:?#|$)",str)
print(z)

Output：

[('#msgtype=EVENT ', '#'), ('#func=LKZ_WriteData ( line 2992 ) ', '#'), ('#msgid=XYZ0064 ', '#'), ('#msg=Web Activity end (section 200, ', '#')]

Answer 1

(:?#|$)是一个捕获组，它匹配一个可选的: ，然后是# ，或者字符串的结尾。 由于re.findall返回所有捕获的子字符串，因此结果是一个元组列表。

你需要

re.findall(r'#[^\s=]+=.*?(?=\s*#[^\s=]+=|$)', text)

查看正则表达式演示

正则表达式详细信息

• #[^\s=]+ - #然后是除空格和=之外的任何 1+ 个字符
• = - a =字符
• .*? - 除换行符以外的任何 0+ 字符，尽可能少
• (?=\s*#[^\s=]+=|$) - 最多（且不包括）0+ 个空格、 # 、1+ 个除空格和=之外的字符，然后=或字符串末尾。

Answer 2

import re

s = "Oct 23 13:03:03.714012 prod1_xyz(RSVV)[201]: #msgtype=EVENT #server=Web/Dev@server1web #func=LKZ_WriteData ( line 2992 ) #rc=0 #msgid=XYZ0064 #reqid=0 #msg=Web Activity end (section 200, # SysD 1, Files 222, Bytes 343422089928, Errors 0, Aborted Files 0, Busy Files 0)"

a = re.findall('#(?=[a-zA-Z]+=).+?=.*?(?= #[a-zA-Z]+=|$)', s)

result = [item.split('=') for item in a]

print(result)

给出：

[['#msgtype', 'EVENT'], ['#server', 'Web/Dev@server1web'], ['#func', 'LKZ_WriteData ( line 2992 )'], ['#rc', '0'], ['#msgid', 'XYZ0064'], ['#reqid', '0'], ['#msg', 'Web Activity end (section 200, # SysD 1, Files 222, Bytes 343422089928, Errors 0, Aborted Files 0, Busy Files 0)']]