Python 打印可选正则表达式

我正试图打印出字典中存储的值。这些值是从正则表达式创建的

目前我有一些可选字段，但我不确定是否正确

B区？字段C字段D

我读了一篇参考书，上面写着？表示0或1次出现

当我尝试搜索诸如声誉或内容类型之类的字段时，我没有得到任何结果，因为这些在我的正则表达式中是可选的。我可能有错误的正则表达式，但我想知道为什么每次搜索可选字段时。。。？它没有打印出来

我的代码：

import re

httpproxy515139 = re.compile(r'....url\=\"(?P<url>(.*))\"(\s+exceptions\=\"(?P<exceptions>([^\"]*))\"\s+error\=\"(?P<error>([^\"]*))\"\s+(reputation\=\"(?P<reputation_opt>([^\"]*))\"\s+)?category\=\"(?P<category>([^\"]*))\"\s+reputation\=\"(?P<reputation>([^\"]*))\"\s+categoryname\=\"(?P<categoryname>([^\"]*))\"\s+(content-type\=\"(?P<content_type>([^\"]*))\")?)?')

f  = open("sophos-httpproxy.out", "r")
fw = open("sophosfilter.log", "w+")

HttpProxyCount = 0
otherCount = 0

for line in f.readlines():
    HttpProxy = re.search(httpproxy515139, line)
    HttpProxy.groupdict()

    print "AV Field: "
    print "Date/Time: " + str(HttpProxy.groupdict()['categoryname'])

以下是完整的正则表达式：

p\w\w\w\w\w\w\w\w\w\w\w\w\s\d\d\d\d\d\d\d\d\d\p\w\w\w\w\w\w\w\w\w\w\w\w\w\w\w\w\w\w\w\w\w\w\w\w\w\w\w\w\w\w\w\w\w\w\w\w\w\w\w\w\w\w\w\w\w\w\w\w\w\w\w\w\w\w\w\w\w\w\w\w\w\w\w\w\w\w\w\w\w\w\w\w\w\w\w\w\w\w\w\w\w\w\w\w\w\w\w\w\w\w\w\w\w\w\w\w\w+srcip\=？p[^\]*\\s+dstip\=？p[^\]*\\s+user\=？p[^\]*\\s+statuscode\=？p[^\]*\\s+cached\=？p[^\]*\\s+profile\=？p[^\]*\\s+filteraction\=？P[^\]*\\s+size\=？P[^\]*\\s+request\=？P[^\]*\\s+url\=？P.*\\s+exceptions\=？P[^\]*\\s+error\=？P[^\]*\\s+？category\=？P[^\]*\\s+reputation\=？P[^\]\\\\\\\\\\s+categoryname\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\

以下是一个示例输入：

2013年10月7日13:22:55 192.168.10.2:10:07-13:22:54 httpproxy[15359]：id=0001 severity=info sys=SecureWeb sub=http name=http访问操作=pass method=GET srcip=192.168.8.47 dstip=64.94.90.108 user=statuscode=200 cached=0 profile=REF\u DefaultHTTPProfile默认代理过滤器操作=REF\u defaulthttpc默认内容过滤器操作大小=1502请求=0x10870200网址=http://www.concordmonitor.com/csp/mediapool/sites/dt.common.streams.StreamServer.cls?STREAMOID=6rXcvJGqsPivgZ7qnO$Sic$daE2N3K4ZzOUsqbU5sYvZF78hLWDhaM8n_FuBV1yRWCsjLu883Ygn4B49Lvm9bPe2QeMKQdVeZmXF$9l$4UCZ8QDxHAH3RJXRJFDY0KQPHLOMEVCTLO3H8XH70Y6N_U CryoSW6; jpQ-&内容类型=图像/jpeg异常=错误=类别=134信誉=中立categoryname=一般新闻内容类型=图像/jpeg

我正在试图捕获整个日志

---

然而，有时url中有许多引号，这使事情变得混乱。此外，在某些日志中，错误和信誉之间还有一个额外的信誉数据字段。内容类型也不总是出现。有时url数据字段之后的所有内容也会丢失。这就是为什么我添加了所有可选的？。我试图考虑这些情况，并在必要时不打印任何内容。

让我们将正则表达式分成两部分：

....url\=\"(?P<url>(.*))\"

及

第一部分中的*是贪婪的。它将尽可能匹配所有内容，只有在绝对必要时才进行回溯

第二部分是一个巨大的可选组

当正则表达式执行时，.*将匹配字符串末尾的所有内容，然后根据需要回溯，直到\可以匹配引号。这将是字符串中的最后一个引号，它可能不是您想要的

然后，巨人可选组将尝试匹配，但由于贪婪的。*已经吃掉了巨人可选组应该解析的所有内容，因此它将失败。因为它是可选的，所以正则表达式算法也可以

---

解决这个问题？好吧，非贪婪量词可能有助于解决眼前的问题，但更好的解决方案可能是停止尝试使用正则表达式来解析这个问题。查找适用于您的数据格式的现有解析器。您是否试图从HTML或XML中提取数据？我已经看到了很多关于的建议。

让我们将正则表达式分成两部分：

....url\=\"(?P<url>(.*))\"

及

第一部分中的*是贪婪的。它将尽可能匹配所有内容，只有在绝对必要时才进行回溯

第二部分是一个巨大的可选组

当正则表达式执行时，.*将匹配字符串末尾的所有内容，然后根据需要回溯，直到\可以匹配引号。这将是字符串中的最后一个引号，它可能不是您想要的

然后，巨人可选组将尝试匹配，但由于贪婪的。*已经吃掉了巨人可选组应该解析的所有内容，因此它将失败。因为它是可选的，所以正则表达式算法也可以

---

解决这个问题？好吧，非贪婪量词可能有助于解决眼前的问题，但更好的解决方案可能是停止尝试使用正则表达式来解析这个问题。查找适用于您的数据格式的现有解析器。您是否试图从HTML或XML中提取数据？我已经看到了很多关于的建议。

下次您想要编写这样的正则表达式时，请使用详细模式。如果您不给我们一些示例输入，那么我们就很难想象您的输入可以以各种不同的方式显示，以及如何与您的regexp一起工作。如果您只给我们示例输入、所需输出和实际输出，我们就可以调试它。@user2357112不确定如何在详细模式sorr下编写

---

y=/compile和其他使用regex的函数也使用flags参数。指定为标志允许您在正则表达式中使用空格和注释，并让正则表达式解析器忽略它们。你需要避开任何你想要匹配的空白，但是这是一个很小的代价，因为你不需要把所有的东西都混合在一起。如果您不给我们一些示例输入，那么我们就很难想象您的输入可以以各种不同的方式显示，以及如何与您的regexp一起工作。如果您只给我们示例输入、所需输出和实际输出，我们可以调试它。@user2357112不确定如何在详细模式下编写抱歉=/compile和其他使用regex的函数也使用flags参数。指定为标志允许您在正则表达式中使用空格和注释，并让正则表达式解析器忽略它们。你需要避开任何你想要匹配的空白，但这是一个小代价，因为你不必把所有的东西都混在一起。