Regex：如何在域或IP地址前去掉string+空格？

Question

以下正则表达式：

(?:X-)?Received: (?:by|from) ([^ \n]+)

对于以下行，将匹配粗体文本：

收到：来自mail2.oknotify2.com（mail2.oknotify2.com）。【208.83.243.70】）mx.google.com带ESMTP id dp5si2596299pdb.170.2015.06.03.14.12.03

收到时间：10.66.156.198，SMTP id wg6mr62843415pab.126.1433365924352

接收：来自localhost（localhost[127.0.0.1]）

如果我修改文本，使每行中的“收件人：”和“收件人：发件人”都被删除，那么我将：

from mail2.oknotify2.com (mail2.oknotify2.com. [208.83.243.70]) by mx.google.com with ESMTP id dp5si2596299pdb.170.2015.06.03.14.12.03

by 10.66.156.198 with SMTP id wg6mr62843415pab.126.1433365924352;

from localhost (localhost [127.0.0.1])

如何更新regex，使之与IP地址或域匹配（例如。邮件.oknotify2com，10.66.156.198）？你知道吗

我可以把它减少到(?:by|from) ([^ \n]+)，这将给我“从邮件.oknotify2.com“，”by 10.66.156.198“等等，但是我怎么走到最后一步，省略“by”和“from”，只留下域/IP地址呢？最后的正则表达式也应该像原始正则表达式一样，忽略每行的后续域/IP。mx.google.com在第一行。你知道吗

Answer 1

您可以使用re.MULTILINE标志来启用多行模式，以使行开头的某些文本与^匹配。要获得必要的文本，您必须使用捕获组。你知道吗

遗憾的是，Python regex不支持\K，也不支持可变宽度look behind（使用本机re库）。但是，可变宽度的look behind可以与^{}外部库一起使用。你知道吗

以下是您可以使用的示例代码：

import re
p = re.compile(ur'^(?:by|from) (\S+)', re.MULTILINE)
test_str = u"from mail2.oknotify2.com (mail2.oknotify2.com. [208.83.243.70]) by mx.google.com with ESMTP id dp5si2596299pdb.170.2015.06.03.14.12.03\n\nby 10.66.156.198 with SMTP id wg6mr62843415pab.126.1433365924352;\n\nfrom localhost (localhost [127.0.0.1])"
print [x.group(1) for x in re.finditer(p, test_str)]

a demo program的输出：

[u'mail2.oknotify2.com', u'10.66.156.198', u'localhost']

Answer 2

您可以使用\K放弃以前的匹配：

(?:X-)?Received: (?:by|from) \K([\S]+)

见Demo

编辑：

正如@James Newton所说，这并不是所有regex风格都支持的，您可以参考这篇文章，看看您的引擎是否支持它：

https://stackoverflow.com/a/13543042/3393095

编辑2：

因为您指定了Python，所以只需在regex上使用捕获组和re.findall即可，如下所示：

>>> import re
>>> text = ("Received: from mail2.oknotify2.com (mail2.oknotify2.com. [208.83.243.70]) by mx.google.com with ESMTP id dp5si2596299pdb.170.2015.06.03.14.12.03\n"
... "Received: by 10.66.156.198 with SMTP id wg6mr62843415pab.126.1433365924352;\n"
... "Received: from localhost (localhost [127.0.0.1])")
>>> re.findall(r'(?:X-)?Received: (?:by|from) ([\S]+)', text)
['mail2.oknotify2.com', '10.66.156.198', 'localhost']

Answer 3

我之所以要写一个答案，是因为注释不允许格式化，但正确的答案由@stribizhev给出。你知道吗

@stribizhev提出了这个正则表达式：

^(?:by|from) (\S+)

(?:by|from)开头的?:使其成为非捕获组。(\S+)是一个捕获组。如果使用result = string.match(regex)，并且存在匹配项，则result将包含一个数组，例如["from mail2.oknotify2.com", "mail2.oknotify2.com"]。结果[1]的值是捕获的组。你知道吗