熊猫正则表达式模式需要一些清洁

Question

我有一个输入文本：text = '146.204.224.152 - feest6811 [21/Jun/2019:15:45:24 -0700] "POST /incentivize HTTP/1.1" 302 4622\n197.109.77.178 - kertzmann3129 [21/Jun/2019:15:45:25 -0700] "DELETE /virtual/solutions/target/web+services HTTP/2.0" 203 26554\n156.127.178.177 - [21/Jun/2019:15:45:27 -0700] "DELETE /interactive/transparent/niches/revolutionize HTTP/1.1output Required :['feest6811','kertzmann3129','-']output getting :[ ' feest6811', ' kertzmann3129',' ']下面是使用的代码user_name = re.findall('(?<=[-])\s[a-zA-Z0-9]*',text)第二个输出所需：['POST /incentivize HTTP/1.1','DELETE /virtual/solutions/target/web+services HTTP/2.0','DELETE /interactive/transparent/niches/revolutionize HTTP/1.1']Output getting :['POST /incentivize HTTP/1.','DELETE /virtual/solutions/target/web+services HTTP/2.','DELETE /interactive/transparent/niches/revolutionize HTTP/1.']以下是用于上述第二个输出的代码request =  re.findall('[a-zA-Z]*\s/[a-zA-Z].*[.\+]',text)正如你所看到的，我在输出 1 和 2 中都遗漏了一些小东西在输出 1 中，当我们没有数据时，我缺少“-”符号，而在第二个输出中，我无法读取“.”之后的最后一个单词。任何人都可以建议对代码进行必要的更改吗？

Answer 1

-对于第一个模式，如果右侧是空格，则可以使用交替来匹配，并[使用正向前视。

(?<=-\s)[a-zA-Z0-9]+|-(?= \[)

正则表达式演示

---

对于第二种模式，您可以使匹配更加具体，并根据需要进行扩展。

(?:POST|DELETE) \S+ HTTP/(?:1\.[01]|2.0)

正则表达式演示

或者使用 re.findall 返回的捕获组进行更广泛的匹配，并匹配大写字符，后跟/左双引号后的字符 a-zA-Z。

不确定最后一个"是否丢失，但在这种情况下，您可以匹配它或断言字符串的结尾。

"([A-Z]+\s/[a-zA-Z][^"]+)(?:"|$)

正则表达式演示

Answer 2

首先，您需要稍微调整。你需要但是\s与lookbehind

user_name = re.findall('(?<=[-]\s)[a-zA-Z0-9]*', text)
print(user_name)

但这会产生：

['feest6811', 'kertzmann3129', '']

您无法将“-”作为返回列表的第三个值，因为后视从来不是匹配的一部分。您想要在最终匹配中输入的第三个- 输入字符串findall位于以下上下文中：

156.127.178.177 - [21/Jun/2019:15:45:27 -0700]

在本例中返回 '' 的正则表达式同样可以很好地指示输入字符串中是否存在 '-' 以及相应的空子[a-zA-Z0-9]*表达式匹配项。如果这确实困扰您，您可以随时这样做：

user_name = re.findall('(?<=[-]\s)[a-zA-Z0-9]*', text)
user_name = ['-' if x == '' else x for x in user_name] # convert '' to '-'
print(user_name)

印刷：

['feest6811', 'kertzmann3129', '-']

对于第二个使用：

request =  re.findall(r'[a-zA-Z]*\s/[a-zA-Z].*?/\d\.\d', text)

Answer 3

我喜欢使用 Regex101.com 来构建这样的正则表达式。

请尝试以下操作

1.这是更正后的版本：https ://regex101.com/r/bFDnSm/2

请注意正则表达式更改为

(?<=[-]\s)[a-zA-Z0-9]*

1. 这是更正后的版本： https ://regex101.com/r/4uLVUb/1

请注意正则表达式更改为：

[a-zA-Z]*\s/[a-zA-Z+/]+\s[AZ]+/[0-9.]+

您应该发现它非常广泛，甚至可以使用更多示例。