Python 正则表达式：如何从这个字符串中捕获多个文本？

我有来自日志文件的文本，格式如下：

{s:9:\\“批次号”\\'s:16:\\“4578123645712459\\”s:9:\\“全名”\\“s:8:\\”John 能源部s:6:\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\ 12:45:10:10:10:10:10 10 10:10 10:10 10 10:1996-03-09）s:10:10:10 10 10 10:10 10 10:10 10 10:10 10 10:10 10 10 10:10 10 10 10 10 10:10 10 10 10 10 10 10:10 10 10 10 10 10:10 10：10:10“接触人数”s:11“接触人数”s：1“接触人数”s：s：1：1：1“接触人数”s：1“接触人数”s：1“接触人数”s：1“接触”s：1“接触”s：1“接触”s：1“接触”s：1“6”s：1”s：1：1“6”s：1”s：1“6”s：1“6”s：1“6”s：1“6”s：1“6”s：1“6“6“6”6”6“6“6“6“6“6”6”6“6”6“6“6输入学校日期N；s:10:专业\“；}

目前，我只能使用正则表达式提取batch_num：

---

（？我想我有一个给你。jpeg匹配组2不包括两个//，这就是为什么它们是粉红色的，它们是相同的匹配组：

输出：

['4578123645712459',
 'John Doe',
 'profile/2df0d9f29ab3ha65fed4847c8lb1o9sa.jpeg']

---

使用多个正则表达式

批号

---

（？通过将字符串转换为json优雅地提取值的解决方案

步骤1：清洁字符串

import re, itertools
str_text = text.replace('\\','').replace(';','').replace('""','"').replace(':"','"').replace('N',',""')
str_text = re.sub('s:\d+',',', str_text)
str_text = re.sub('^{,','{', str_text)
str_text = re.sub('}$',':""}', str_text)
str_text = re.sub('(,)', lambda m, c=itertools.count(): m.group() if next(c) % 2 else ':', str_text)
str_text
#'{"batch_num":"4578123645712459","full_name":"John Doe","mobile":"123456784512","address":"Redacted","create_time":"2017-09-10 12:45:01","gender":"1","birthdate":"1996-03-09","contact_num":"0","identity":"2","school":"","school_city_id":"","profile_pic":"profile/2df0d9f29ab3ha65fed4847c8lb1o9sa.jpeg","school_address":"","enter_school_date":"","speciality":""}'

步骤2：将字符串转换为json并提取

import json
str_json = json.loads(str_text)
print(str_json['batch_num'])
print(str_json['full_name'])
print(str_json['profile_pic'])
#4578123645712459
#John Doe
#profile/2df0d9f29ab3ha65fed4847c8lb1o9sa.jpeg

您可以使用和捕获组获取示例数据的所有3个匹配项：

\b(?:batch_num|full_name|profile_pic)\b\\\\\\";s:\d+:\\\\\\"([^"]+)\\\\\\"

部分地


\b（？：batch_num | full_name | profile_pic）\b
在单词边界之间匹配一个选项
\s:\d+：
匹配
\\s:
和1+位数
\\”
匹配
\\”
（
Capturegroup 1

[^”]+
匹配1+倍字符，除了
“

）
关闭组
\\”
匹配
\\”

|

比如说

import re

regex = r'\b(?:batch_num|full_name|profile_pic)\b\\\\\\";s:\d+:\\\\\\"([^"]+)\\\\\\"'
test_str = r'''{s:9:\\\"batch_num\\\";s:16:\\\"4578123645712459\\\";s:9:\\\"full_name\\\";s:8:\\\"John Doe\\\";s:6:\\\"mobile\\\";s:12:\\\"123456784512\\\";s:7:\\\"address\\\";s:5:\\\"Redacted"\\\";s:11:\\\"create_time\\\";s:19:\\\"2017-09-10 12:45:01\\\";s:6:\\\"gender\\\";s:1:\\\"1\\\";s:9:\\\"birthdate\\\";s:10:\\\"1996-03-09\\\";s:11:\\\"contact_num\\\";s:1:\\\"0\\\";s:8:\\\"identity\\\";s:1:\\\"2\\\";s:6:\\\"school\\\";N;s:14:\\\"school_city_id\\\";N;s:17:\\\"profile_pic\\\";s:43:\\\"profile\\/2df0d9f29ab3ha65fed4847c8lb1o9sa.jpeg\\\";s:14:\\\"school_address\\\";N;s:17:\\\"enter_school_date\\\";N;s:10:\\\"speciality\\\";}'''
matches = re.finditer(regex, test_str)
print(re.findall(regex, test_str))

输出

['4578123645712459', 'John Doe', 'profile\\\\/2df0d9f29ab3ha65fed4847c8lb1o9sa.jpeg']

批次数的长度是否恒定？要获得剖面图，模式为“剖面图V[A-Za-z0-9]+"。必须用一个正则表达式来完成吗？所有这些反斜杠真的是字符串的一部分吗？或者它们是印刷品的产物吗？如果全名有中间名和姓氏呢？例如：Patty Marsh Holt。我想涵盖这两个方面，因为在某些情况下，名称值只有名字或全名，您可以匹配任何类型的名称。
https://regex101.com/r/OBaOY0/3
很好的方法。只有一件事。不建议避免使用json作为变量名吗？
import re

regex = r'\b(?:batch_num|full_name|profile_pic)\b\\\\\\";s:\d+:\\\\\\"([^"]+)\\\\\\"'
test_str = r'''{s:9:\\\"batch_num\\\";s:16:\\\"4578123645712459\\\";s:9:\\\"full_name\\\";s:8:\\\"John Doe\\\";s:6:\\\"mobile\\\";s:12:\\\"123456784512\\\";s:7:\\\"address\\\";s:5:\\\"Redacted"\\\";s:11:\\\"create_time\\\";s:19:\\\"2017-09-10 12:45:01\\\";s:6:\\\"gender\\\";s:1:\\\"1\\\";s:9:\\\"birthdate\\\";s:10:\\\"1996-03-09\\\";s:11:\\\"contact_num\\\";s:1:\\\"0\\\";s:8:\\\"identity\\\";s:1:\\\"2\\\";s:6:\\\"school\\\";N;s:14:\\\"school_city_id\\\";N;s:17:\\\"profile_pic\\\";s:43:\\\"profile\\/2df0d9f29ab3ha65fed4847c8lb1o9sa.jpeg\\\";s:14:\\\"school_address\\\";N;s:17:\\\"enter_school_date\\\";N;s:10:\\\"speciality\\\";}'''
matches = re.finditer(regex, test_str)
print(re.findall(regex, test_str))

['4578123645712459', 'John Doe', 'profile\\\\/2df0d9f29ab3ha65fed4847c8lb1o9sa.jpeg']