Python 如何使用regex读取访问日志主机？

我有这样的条目：

e179206120.adsl.alicedsl.de
safecamp-plus-2098.unibw-hamburg.de
p5B30EBFE.dip0.t-ipconnect.de

我只想匹配主域名，比如

alicedsl.de
unibw-hamburg.de
t-ipconnect.de

---

我尝试了这个

\.\w+\.\w+\.\w{2,3}

，但它与

.adsl.alicedsl.de

如何

[^.]+\.\w+$

或者，在Python中：

import re

tgt='''\
e179206120.adsl.alicedsl.de
safecamp-plus-2098.unibw-hamburg.de
p5B30EBFE.dip0.t-ipconnect.de'''

print re.findall(r'([^.]+\.\w+$)', tgt, re.M | re.S)
# ['alicedsl.de', 'unibw-hamburg.de', 't-ipconnect.de']

正则表达式解释：

[^.]+

1个或多个字符，文字除外

\.

literal

它需要

\

，因为如果不使用它，它将是正则表达式的任何一个chaarcter

\w+

范围为

[a-z][a-z][0-9][uz]

的1个或多个字符是

[a-zA-z]+

，因为不存在任何非ASCII的旧的TLD。如果你想管理更新的，你需要一个不同的正则表达式

$

行末尾的断言

---

您应该知道，TLD的定义不完整。例如，此正则表达式方法将破坏的合法url和许多其他包含公共SLD的url。如果可以，请使用库以获得更广泛的适用性。您还可以使用来了解何时适合在主机的定义中包含两个句点

如果您对使用外部库没有限制，请查看TLD extract library

---

您可以在给定数据中使用以下内容

[^.]+\.[^.]+$

---

请参见

您实际上不需要正则表达式。A将更有效率：

>>> mystr = """
... e179206120.adsl.alicedsl.de
... safecamp-plus-2098.unibw-hamburg.de
... p5B30EBFE.dip0.t-ipconnect.de
... """
>>> [".".join(line.rsplit(".", 2)[-2:]) for line in mystr.splitlines() if line]
['alicedsl.de', 'unibw-hamburg.de', 't-ipconnect.de']
>>>

另外，如果您需要，这里有一个关于的参考（它解释了

str.splitlines

，

str.rsplit

，和

str.join

）

---

如果使用运行速度测试，您将看到列表理解速度要快得多：

>>> from timeit import timeit
>>> mystr = """
... e179206120.adsl.alicedsl.de
... safecamp-plus-2098.unibw-hamburg.de
... p5B30EBFE.dip0.t-ipconnect.de
... """
>>> def func():
...     import re
...     re.findall(r'([^.]+\.\w+$)', mystr, re.M | re.S)
...
>>> timeit("func()", "from __main__ import func") # Regex's time
51.85605544838802
>>> def func():
...     [".".join(line.rsplit(".", 2)[-2:]) for line in mystr.splitlines() if line]
...
>>> timeit("func()", "from __main__ import func") # List comp.'s time
12.113929004943316
>>>

---

你能解释一下你的正则表达式吗？

>>> from timeit import timeit
>>> mystr = """
... e179206120.adsl.alicedsl.de
... safecamp-plus-2098.unibw-hamburg.de
... p5B30EBFE.dip0.t-ipconnect.de
... """
>>> def func():
...     import re
...     re.findall(r'([^.]+\.\w+$)', mystr, re.M | re.S)
...
>>> timeit("func()", "from __main__ import func") # Regex's time
51.85605544838802
>>> def func():
...     [".".join(line.rsplit(".", 2)[-2:]) for line in mystr.splitlines() if line]
...
>>> timeit("func()", "from __main__ import func") # List comp.'s time
12.113929004943316
>>>