PandasRegex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/1.1

output 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)

需要第二个输出：

['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.']

下面是用于上述第二次输出的代码

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

正如你们所看到的，在输出1和输出2中，我缺少了一个小东西

在输出1中，当我们没有数据时，我缺少“-”符号，在第二个输出中，我无法读取“.”之后的最后一个单词

有人能推荐对代码进行必要的修改吗

Answer 1

首先，你需要稍微调整一下。您需要将\s与lookbehind合并

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

但这将产生：

['feest6811', 'kertzmann3129', '']

您无法将“-”作为返回列表的第三个值，因为lookback从来都不是匹配的一部分。您希望在最终findall匹配中使用的输入字符串中的第三个-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regex是一个很好的指示器，表明输入字符串中存在“-”，并且对应的空[a-zA-Z0-9]*子表达式匹配。如果真的让你烦恼，你可以：

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)

印刷品：

['feest6811', 'kertzmann3129', '-']

对于第二种用途：

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