在Python中使用re.compile和正则表达式组

Question

输入文件的名字叫做consensus，格式如下：

r Tor4ever AAcif1htILdru0BO0qX7OwGVhAU oHlbWBdaN3+QSleqBVL9/yAdcRs 2014-07-31 21:42:43  
s Exit Fast Guard HSDir Running V2Dir Valid  
v Tor 0.2.4.21  
w Bandwidth=231  
p reject 25,119,135-139,445,563,1214,4661-4666,6346-6429,6699,6881-6999  
r Tornin AA8YrCza5McQugiY3J4h5y4BF9g vNRd1kyQ0i9UsVwYq5YFPHJi3jw 2014-08-01 00:26:18  
s Fast Guard HSDir Named Running Stable V2Dir Valid  
v Tor 0.2.4.23  
w Bandwidth=713  
p reject 1-65535

我想从中提取出名字（r行的开头）、守卫标志（s行中）和带宽（w行中），希望得到类似下面的结果：

{ {"nickname" : "Tor4ever", "type" : "Guard", "bandwidth" : "231"}, 
{"nickname" : "Tornin", "type" : "Guard", "bandwidth" : "713"} }  

我在写正确的正则表达式时遇到了问题。这是我正在使用的相关代码部分：

consensus = file(sys.argv[1]).read() 

regex = re.compile('''^r\s(.*?)\s.*?\ns\s.*?(Guard)\s.*?\nw\s.*?([0-9]+)\n''',  
re.MULTILINE)

for record in regex.finditer(consensus):
    relay = {
    'nickname' : record.group(1),
    'type' : record.group(2),
    'bandwidth' : record.group(3),
    }

    relays['relays'].append(relay)

open('tor_relays.txt','w').write(json.dumps(relays, indent=4))

有人能告诉我为什么我的正则表达式没有按我预期的方式解析吗？抱歉发了这么长的帖子，提前谢谢大家！

相关问题：

• 提取段落的正则表达式
• 正则表达式问题
• 在Python中使用正则表达式查找数据
• 正则表达式 - 匹配可选组
• 无法在文本文件中精确匹配字符串
• Python正则表达式查找所有单词组
• 在两个字符串之间的正则表达式？
• 如何使用正则表达式从底部向上搜索？

Answer 1

试试看

^r\s(?P<nickname>\b\S+\b).*\n^s\b.*?(?P<type>\bGuard\b).*\n^v.*\n^w\s.*?(?P<bandwidth>\b[0-9]+\b)

这可能比你需要的稍微多一些文字，但这样读起来会更简单一些。这是一个Regex101的演示

import re
p = re.compile(ur'^r\s(?P<nickname>\b\S+\b).*\n^s\b.*?(?P<type>\bGuard\b).*\n^v.*\n^w\s.*?(?P<bandwidth>\b[0-9]+\b)', re.MULTILINE | re.VERBOSE)
test_str = u"r Tor4ever AAcif1htILdru0BO0qX7OwGVhAU oHlbWBdaN3+QSleqBVL9/yAdcRs 2014-07-31 21:42:43  \ns Exit Fast Guard HSDir Running V2Dir Valid  \nv Tor 0.2.4.21  \nw Bandwidth=231  \np reject 25,119,135-139,445,563,1214,4661-4666,6346-6429,6699,6881-6999  \nr Tornin AA8YrCza5McQugiY3J4h5y4BF9g vNRd1kyQ0i9UsVwYq5YFPHJi3jw 2014-08-01 00:26:18  \ns Fast Guard HSDir Named Running Stable V2Dir Valid  \nv Tor 0.2.4.23  \nw Bandwidth=713  \np reject 1-65535"

re.findall(p, test_str)