如何改進此正則表達式以在其他情況下工作？

Question

我可以分割此字符串：

199.72.81.55 - - [01/Jul/1995:00:00:01 -0400] "GET /history/apollo/ HTTP/1.0" 200 6245

與此正則表達式：

'([(\d\.)]+) - - \[(.*?)\] "(.*?)" (\d+) (\d+)'

因此，如何改進此RegEx以拆分這種字符串（ 在這里有Internet地址而不是IP ）：

unicomp6.unicomp.net - - [01/Jul/1995:00:00:06 -0400] "GET /shuttle/countdown/ HTTP/1.0" 200 3985

和這種字符串（ 在雙引號之間有雙引號，而我沒有最后一個數字 ）

frank.mtsu.edu - - [03/Jul/1995:02:41:15 -0400] "GET /images/" HTTP/1.0" 404 -

謝謝！

Answer 1

對於這種情況| 運算符的含義或有用，對於第二個示例，您可以將表達式修改為：

'([(\d\.)]+|[a-z\d\.]+) - - \[(.*?)\] "(.*?)" (\d+) (\d+)'

請注意，這假定所有地址僅由小寫字母數字和點組成。 編輯： @tripleee評論后，我必須承認地址可能包含更多不同的字符，因此我添加了更多的容忍解決方案：

'([(\d\.)]+|[^ ]+) - - \[(.*?)\] "(.*?)" (\d+) (\d+)'

這個假設地址可能包含任何非空格字符。 如果太寬容，請隨時改進早期版本。 如評論中所述，它是多余的，可能會被替換為

'([^ ]+) - - \[(.*?)\] "(.*?)" (\d+) (\d+)'

要使其與最后一種情況一起使用，只需將@ (\\d+|-)替換為最后一個(\\d+) (\\d+|-) ，如@solarc前面所建議

Answer 2

我不知道您要做什么，但是您的正則表達式不是很具體。 以下是可能有改進的建議解決方案。 它看起來很復雜，但是一旦分解就還算不錯。

^(\\b(?:25[0-5]|2[0-4][0-9]|[01]?[0-9][0-9]?)\\.(?:25[0-5]|2[0-4][0-9]|[01]?[0-9][0-9]?)\\.(?:25[0-5]|2[0-4][0-9]|[01]?[0-9][0-9]?)\\.(?:25[0-5]|2[0-4][0-9]|[01]?[0-9][0-9]?)\\b|\\w+\\.\\w+\\.(?:net|com|gov|edu))\\s-\\s-\\s(\\[[0-9]{2}\\/\\w{3}\\/[0-9]{4}:[0-9]{2}:[0-9]{2}:[0-9]{2}\\s-[0-9]{4}\\])\\s(\\"[^\\"]+\\")\\s(.*)$

請訪問https://regex101.com/r/ojIGIA/3，以查看它的運行情況，有關說明，請閱讀右側欄。

編輯：我意識到我錯過了? 我也忘記了轉義"因為我沒有考慮python的風味。修復並更新了Regex和鏈接。

現在，我有更多時間來進一步解釋我所做的事情。 上面的正則表達式可以按如下方式拆分。
^行首

(開始捕獲組1

\\b(?:25[0-5]|2[0-4][0-9]|[01]?[0-9][0-9]?)\\.(?:25[0-5]|2[0-4][0-9]|[01]?[0-9][0-9]?)\\.(?:25[0-5]|2[0-4][0-9]|[01]?[0-9][0-9]?)\\.(?:25[0-5]|2[0-4][0-9]|[01]?[0-9][0-9]?)\\b這正在捕獲IP地址。 根據您要達到的精度，您可以執行\\d{1,3}\\.\\d{1,3}\\.\\d{1,3}\\.\\d{1,3}如果您不太擔心的話。 這也將匹配所有有效的IP地址，但也將匹配一些無效的IP地址。

| OR運算符

\\w+\\.\\w+\\.(?:net|com|gov|edu)這是一個非常基本的示例，顯示了URL捕獲的外觀。

)結束捕獲組1

\\s-\\s-\\s您的“--”完全匹配

(\\[[0-9]{2}\\/\\w{3}\\/[0-9]{4}:[0-9]{2}:[0-9]{2}:[0-9]{2}\\s-[0-9]{4}\\])這是我建議在中間捕獲日期和其他內容的建議。 它將需要根據您的實際需要進行調整。 這也是捕獲組2。

\\s一個空格

(\\"[^\\"]+\\")在比賽的這一點匹配逗號內的所有內容，捕獲組3。

\\s一個空格

(.*)匹配其他所有內容直到結尾，然后放入捕獲組4。

$行尾

現在這些都是建議，因為我不知道您到底想做什么，但希望這會有所幫助並給您一些想法。

請注意，我使用\\ s代替空格。 使用空格沒有什么問題，我個人喜歡使用\\ s，因為它對我來說更容易閱讀。