在Python中匹配模式

Question

我有一个目录叫做“/pcap_test”，里面有几个日志文件。每个文件的内容大概是这样的：

数据包: 1 (358 字节), 生命周期: 1, 应用: itunes (进入), 状态: 已终止, 堆栈: /ETH/IP/UDP/itunes, 错误: 无

数据包: 2 (69 字节), 生命周期: 2, 应用: zynga (进入), 状态: 正在检查, 堆栈: /ETH/IP/UDP, 错误: 无

数据包: 3 (149 字节), 生命周期: 2, 应用: pizzeria (进入), 状态: 已终止, 堆栈: /ETH/IP/UDP/pizzeria, 错误: 无

在这种情况下，我想要的输出是第二行，因为“应用”中的内容在“堆栈:”中并不存在。

我写了一个小的 Python 脚本，循环遍历这个目录，打开每个文件并打印输出：

import os
list = os.listdir("/home/test/Downloads/pcap_test")
print list
for infile in list:
  infile = os.path.join("/home/test/Downloads/pcap_test" , infile)

if os.path.isfile(infile):
str = file(infile, 'r').read()
print str

我用 grep 命令得到了输出，但在 Python 脚本中无法使用同样的方法。大概是这样的：

grep -vP 'App: ([^, ]*) \(INTO\).*Stack: .*\1.*$' xyz.pcap.log | grep -P 'App: ([^, ]*) \(INTO\)'

因为我已经有一个名为“str”的文件，我想用这个文件，而不是单独的日志文件，来获取输出。

在这方面的任何帮助都将非常感谢。

Answer 1

首先，我建议不要使用像 str 这样的变量名，因为这是Python用来表示字符串这种基本数据类型的名字。

因为grep是一个命令行的正则表达式工具，而你已经有了一个可以用的正则表达式，所以你只需要学习如何使用Python的 re 模块。

有一点比较难的是如何实现grep的 -v 功能。我建议你逐行读取文件，只有当某一行不符合你的第一个正则表达式，但符合第二个正则表达式时才打印这一行，像这样：

if os.path.isfile(infile):
    with file(infile, 'r') as logFile: #this will close the file pointer automatically when you finish
        for line in logFile: #read logFile one line at a time
            firstReMatch = re.match(r'App: ([^, ]*) \(INTO\).*Stack: .*\1.*$', line) #check if this line matches your first regex
            secondReMatch = re.match(r'App: ([^, ]*) \(INTO\)', line) #check if this line matched your second regex
            if secondReMatch and not firstReMatch: #"not" to capture the inverse match
                print line #print the line.

根据你的数据，你可能想要 使用 re.search() 而不是 re.match()