用于模式匹配的 Python 正则表达式

Question

我正在尝试解析示例输入 test_string1 如下:

import re
TEST_STRING1 = """Using definitions from (yyyy/mm/dd): 2016/6/8
The following files are collected:
  File: Test.exe
    Source: Google
    avping blob: 123123

Downloaded 3 Files
"""
def fun():

    regex_exp = re.compile(r"File:\s(?P<File>[^\n\r\t]+?)[\n\r\t\s]*?"
                           r"Source:\s(?P<Source>.*)[^\w\d]*?"
                           r"avping\sblob:\s(?P<Avping_blob>([A-F]|[a-f]|[0-9]){6})")
    result = {}
    result['Files'] = []
    for m in re.finditer(regex_exp, TEST_STRING1):
        result['Files'].append(m.groupdict())
    print result
if __name__ == "__main__":
    fun()

上述代码的输出是:

{'Files': [{'Source': 'Google', 'File': 'Test.exe', 'Avping_blob': '123123'}]}

我想让输入中的一些字段可选，例如 avping blob:喜欢

TET_STRING1 = """Using definitions from (yyyy/mm/dd): 2016/6/8
The following files are collected:
  File: Test.exe
    Source: Google

Downloaded 3 Files
"""

在上面的情况下，正则表达式返回不匹配。

我已将正则表达式更新为

regex_exp = re.compile(r"(File:\s(?P<File>[^\n\r\t]+?)[\n\r\t\s]*?"
                           r"Source:\s(?P<Source>.*)[^\w\d]*?"
                           r"|avping\sblob:\s(?P<Avping_blob>([A-F]|[a-f]|[0-9]){6}))")

在最后一行之前添加 | 。但随后它给出了 2 个与 OR 匹配的

{'Files': [{'Source': 'Google', 'File': 'Test.exe', 'Avping_blob': None}, {'Source': None, 'File': None, 'Avping_blob': '123123'}]}

我应该如何编写与两种输入类型(带和不带可选字段)模式匹配的正则表达式？谢谢

Answer 1

您可以使用可选的非捕获组并使用 [^\w\d]*贪婪版本:

(File:\s(?P<File>[^\n\r\t]+?)[\n\r\t\s]*?Source:\s(?P<Source>.*)[^\w\d]*(?:avping\sblob:\s(?P<Avping_blob>[A-Fa-f0-9]{6}))?)

请参阅regex demo

在您的代码中:

regex_exp = re.compile(r"(File:\s(?P<File>[^\n\r\t]+?)[\n\r\t\s]*?"
                       r"Source:\s(?P<Source>.*)[^\w\d]*"    # <- Here ? is removed
                       r"(?:avping\sblob:\s(?P<Avping_blob>[A-Fa-f0-9]{6}))?)")
                         ^^^                                               ^

此外，([A-F]|[a-f]|[0-9]){6}) =(?P<Avping_blob>[A-Fa-f0-9]{6}) .