python - 与 re.DOTALL 的非贪婪换行符匹配

Question

我正在尝试用 Python 重现这个正则表达式:https://regex101.com/r/tP1bS4/2

示例 entry 数据如下:

[ 10.0.7.58/54648 -> 31.221.26.40/80 (http response) ]-
|
| server   = 31.221.26.40/80
| app      = ???
| lang     = none
| params   = anonymous
| raw_sig  = 1:Content-Type,?Last-Modified,?Cache-Control,?Expires,Date,Connection=[keep-alive]:Keep-Alive,Accept-Ranges:
|

基本上，我想从第三行开始得到一个包含两个元素的组:服务器 IP 和端口。

这是我的 Python 尝试；

server = re.findall( '\| server[ \s]+= (.*)\/(.*)\n', entry, re.DOTALL)
print server

这给了我这个 server 组:

[('31.221.26.40', '80\n| app      = ???\n| lang     = none\n| params   = anonymous\n| raw_sig  = 1:Content-Type,?Last-Modified,?Cache-Control,?Expires,Date,Connection=[keep-alive]:Keep-Alive,Accept-Ranges:\n|')]

如您所见，它没有在 \n 上拆分。预期结果为:

[('31.221.26.40', '80')]

Answer 1

让我清理一些东西。 re.DOTALL 修饰符使 . 符号匹配任何 符号，包括换行符。带有 DOTALL 的 .* 子模式匹配字符串直到结尾。

如果你使用'\| server[\s]+= (.*)\/(.*)\n'，第一个 .* 匹配到最后一个 / 和第二个 .* 与最后一个 \n 匹配，因为它是贪婪的(也就是说，引擎获取字符串的所有其余部分，然后回溯以尝试适应随后的子模式)。

由于您的数据在 1 行上，您不想让 . 匹配换行符。因此，解决问题的最简单方法是使用

server = re.findall(r'\|\s*server\s*=\s*(.*?)/(.*)', entry)

参见 regex demo

然而，点匹配仅在我们不知道期望的字符时才有用。您可以使用字符类增强正则表达式:

server = re.findall(r'\|\s*server\s*=\s*([^\s/]+)/(\d+)', entry)

另一个regex demo (注意效率提高了 x2 倍)

([^\s/]+)匹配1个或多个除空格和/以外的字符，\d+匹配1个或更多数字。