使用re.match挂起长文本的Python

我有一个包含域列表的文本文件，我想使用python正则表达式来匹配域和任何子域

示例域文件

admin.happy.com
nothappy.com

我有以下regexp：

main_domain = 'happy.com'
mydomains = open('domains.txt','r').read().replace('\n',',')
matchobj = re.match(r'^(.*\.)*%s$' % main_domain,mydomains)

代码对于短文本很好，但是当我的域文件有100多个条目时，它会挂起并冻结

有没有一种方法可以优化regexp以处理文本文件中的内容？

*\.*很可能导致可怕的回溯。如果文件每行包含一个域，最简单的修复方法是在每行执行正则表达式，而不是一次执行整个文件：

main_domain = 'happy.com'
for line in open('domains.txt','r')):
    matchobj = re.match(r'^(.*\.)*%s$' % main_domain, line.strip())
    # do something with matchobj

如果您的文件只包含您发布的格式的域，那么您甚至可以进一步简化此操作，而不使用正则表达式：

subdomains = []
for line in open('domains.txt','r')):
    line = line.strip()
    if line.endswith(main_domain):
        subdomains.append(line[:-len(main_domain)])

***很可能导致可怕的回溯。如果文件每行包含一个域，最简单的修复方法是在每行执行正则表达式，而不是一次执行整个文件：

main_domain = 'happy.com'
for line in open('domains.txt','r')):
    matchobj = re.match(r'^(.*\.)*%s$' % main_domain, line.strip())
    # do something with matchobj

如果您的文件只包含您发布的格式的域，那么您甚至可以进一步简化此操作，而不使用正则表达式：

subdomains = []
for line in open('domains.txt','r')):
    line = line.strip()
    if line.endswith(main_domain):
        subdomains.append(line[:-len(main_domain)])

---

为了避免灾难性的回溯，您可以简化正则表达式：

import re

with open("domains.txt") as file:
    text = file.read()
main_domain = "happy.com"
subdomains = re.findall(r"^(.+)\.%s$" % re.escape(main_domain), text, re.M)

---

如果还希望匹配主域：。

为了避免灾难性的回溯，可以简化正则表达式：

import re

with open("domains.txt") as file:
    text = file.read()
main_domain = "happy.com"
subdomains = re.findall(r"^(.+)\.%s$" % re.escape(main_domain), text, re.M)

---

如果您还想匹配主域：。

请原谅。你在域名列表中寻找单词happy.com吗？如果是的话，没有正则表达式就不能是dong吗？对不起。你在域名列表中寻找单词happy.com吗？如果是，没有正则表达式就不能是dong吗。有趣的是，我添加了一些注释，询问为什么需要正则表达式，并看到了您的答案。nothappy.com被正则表达式no.dot拒绝。因此，在应用正则表达式之前，endswith只能用于预筛选行，并且正则表达式应该更改和行！=main\u domain->仍然不需要regexNice第二个解决方案，但可能更简单：如果打开'domains.txt'，r'作为f:\n subdomains=[line[：-lenmain\u domain]作为f.read.splitlines中的line，如果line.endswithmain\u domain]，则newline应该提取没有regex的子域，您需要在main\u domain前面加一个点。e、 g.，第四行，第四行+主域。您想从a.happy.com中提取a，但不想从nothappy.com中提取。有趣的是，我添加了一些注释，询问为什么需要正则表达式，并看到了您的答案。nothappy.com被正则表达式no.dot拒绝。因此，在应用正则表达式之前，endswith只能用于预筛选行，并且正则表达式应该更改和行！=main\u domain->仍然不需要regexNice第二个解决方案，但可能更简单：如果打开'domains.txt'，r'作为f:\n subdomains=[line[：-lenmain\u domain]作为f.read.splitlines中的line，如果line.endswithmain\u domain]，则newline应该提取没有regex的子域，您需要在main\u domain前面加一个点。e、 g.，第四行，第四行+主域。你想从a.happy.com中提取a，你不想从nothappy.com中提取。