Python 多行正则表达式在每个时间戳后提取文本

Question

我有一个正在尝试解析的日志文件。 每个日志在一行的开头都有一个时间戳，格式YYY-MMM-DD HH:MM:SS.SSSSSS -0400:时区信息是可选的（我现在可以忽略）。 我可以很好地匹配这些，但不能匹配时间戳之后的日志，它可能立即在同一行或下一行开始，并且可能有多行长。 我对正则表达式很满意，但我很少做多行正则表达式。

这是我尝试过的似乎是壁橱的东西

# finds the first timestamp, everything to end of file is the log
re.findall('\n(^\d{4}-[A-Za-z]{3}-\d{2} \d{2}:\d{2}:\d{2}.\d{6}).*?:(.*)', log, re.DOTALL)

# finds every timestamp, all logs are empty (obviously too un-greedy)
re.findall('\n(^\d{4}-[A-Za-z]{3}-\d{2} \d{2}:\d{2}:\d{2}.\d{6}).*?:(.*?)', log, re.DOTALL)

我只是不知道如何 go 获取随后的日志，但如果看到另一个时间戳就停止。

Answer 1

您可以使用后跟日期时间模式的换行符拆分内容：

re.split(r'\n(?=\d{4}-[A-Za-z]{3}-\d{2} \d{2}:\d{2}:\d{2}\.\d{6})', log)

细节

• \n - 换行符
• (?=\d{4}-[A-Za-z]{3}-\d{2} \d{2}:\d{2}:\d{2}\.\d{6}) - 正向前瞻，需要以下模式立即出现在当前位置的右侧：
  • \d{4}- - 四位数字和一个连字符
  • [A-Za-z]{3}- - 三个字母和一个连字符
  • \d{2} - 两位数
  • - 一个空间
  • \d{2}: - 两位数和:
  • \d{2}:\d{2} - - 两位数, : , 两位数
  • \. - 一个点（注意它必须被转义）
  • \d{6} - 六位数