Python 获取半结构化数据上的正则表达式匹配-dat文件

我有一个

dat文件

，我需要获取其中用户的一些信息

文件

如下所示：

USER john STATE 'RJ'
ID 123456 MAIL john@mail.com
PRIVILEGES                  STATUS  COMPUTER
    office docker cluster1  ACTIVE  WINDOWS  

USER maria STATE 'SP'
ID 987654 MAIL maria@mail.com
PRIVILEGES                   STATUS    COMPUTER
    financial-server office  INACTIVE  WINDOWS   

USER clarke STATE 'SP'
ID 55555 MAIL clarke@mail.com
PRIVILEGES                                          STATUS    COMPUTER
    active-directory gsuite cluster1 cluster2 admin ACTIVE    UBUNTU

我想做的是得到一个

列表

，它有一个

字典

，拥有用户及其特权，比如：

{'john': ['office', 'docker', 'cluster1'], 'maria': ['financial-server', 'office'], 'clarke': ['active-directory', 'gsuite', 'cluster1', 'cluster2', 'admin']}

名字很简单，我已经有了

with open("users.dat") as open_file:
    data = open_file.read()

x = re.findall("USER ([^\s]+)", data)

---

但是这些特权可以是一个或多个，我不知道如何获得，要保存在我的

字典中

你可以使用

\r |\n\s\s\s\s（[a-z0-9\-]+\s）+

这样的模式来匹配任意数量的单词，包括数字或连字符，但只匹配小写。根据您提供的示例，假设这将起作用。它首先查找新行或返回字符，然后查找四个空格

---

因此，现在您只需将找到的每个组用空格分隔，然后将其分配给正确的人。

您可以使用类似

\r |\n\s\s\s（[a-z0-9\-]+\s）+

的模式来匹配任意数量的单词，包括数字或连字符，但只匹配小写。根据您提供的示例，假设这将起作用。它首先查找新行或返回字符，然后查找四个空格

---

因此，现在您只需将找到的每个组在空格中拆分，然后将其分配给正确的人。

这不是最漂亮的代码，但它是有效的：

t = """
USER john STATE 'RJ'
ID 123456 MAIL john@mail.com
PRIVILEGES                  STATUS  COMPUTER
    office docker cluster1  ACTIVE  WINDOWS

USER maria STATE 'SP'
ID 987654 MAIL maria@mail.com
PRIVILEGES                   STATUS    COMPUTER
    financial-server office  INACTIVE  WINDOWS

USER clarke STATE 'SP'
ID 55555 MAIL clarke@mail.com
PRIVILEGES                                          STATUS    COMPUTER
    active-directory gsuite cluster1 cluster2 admin ACTIVE    UBUNTU
"""

import re

names = re.findall(r"USER\s([a-z]+)\sSTATE", t)
activities = re.findall(r"\s+([a-z1-9\s\-]+)\s+(INACTIVE|ACTIVE)", t)
results = {}
for user,rights in zip(names,activities):
    results[user] = re.findall(r"\w+", rights[0])

print(results)

基本上，由于应该列出每个用户及其权限，因此您可以单独获取这些权限。然后，您可以在找到活动之前获取他们的所有权利，然后在找到活动之后将其分离出来

输出：

{'john': ['office', 'docker', 'cluster1'], 'maria': ['financial', 'server', 'office'], 'clarke': ['active', 'directory', 'gsuite', 'cluster1', 'cluster2', 'admin']}

---

这不是最漂亮的代码，但它很有效：

t = """
USER john STATE 'RJ'
ID 123456 MAIL john@mail.com
PRIVILEGES                  STATUS  COMPUTER
    office docker cluster1  ACTIVE  WINDOWS

USER maria STATE 'SP'
ID 987654 MAIL maria@mail.com
PRIVILEGES                   STATUS    COMPUTER
    financial-server office  INACTIVE  WINDOWS

USER clarke STATE 'SP'
ID 55555 MAIL clarke@mail.com
PRIVILEGES                                          STATUS    COMPUTER
    active-directory gsuite cluster1 cluster2 admin ACTIVE    UBUNTU
"""

import re

names = re.findall(r"USER\s([a-z]+)\sSTATE", t)
activities = re.findall(r"\s+([a-z1-9\s\-]+)\s+(INACTIVE|ACTIVE)", t)
results = {}
for user,rights in zip(names,activities):
    results[user] = re.findall(r"\w+", rights[0])

print(results)

基本上，由于应该列出每个用户及其权限，因此您可以单独获取这些权限。然后，您可以在找到活动之前获取他们的所有权利，然后在找到活动之后将其分离出来

输出：

{'john': ['office', 'docker', 'cluster1'], 'maria': ['financial', 'server', 'office'], 'clarke': ['active', 'directory', 'gsuite', 'cluster1', 'cluster2', 'admin']}

---

您可以编写一个函数来处理文件的每个块，而不是依赖regex（假设它们都与示例中的一样）：

---

您可以编写一个函数来处理文件的每个块，而不是依赖regex（假设它们都与示例中的一样）：