Python 使用多种字符串格式解析挑战

我试图解析设备日志，但格式不一致

例如：

Roam candidate# 9 F4:CF:E2:5E:73:3F on channel 161  RSSI: -70

Roam candidate#10 F4:CF:E2:62:02:2F on channel 11  RSSI: -70

我想提取Mac地址、通道和RSSI值
不幸的是，在候选值变为10或更高之后，空格被省略

我试图将其标记化，但我几乎不理解这个过程

def clean(string):
    result = ""
    for i,char in enumerate(line):
        if char == " ":
            if string[i+1].isdigit() or string[i+1] == " ":
                continue
        result += char
    return result

def tokenize(string):
    result = []
    previous = 0
    for i,char in enumerate(string):
        if char == " ":
            result.append(string[previous:i])
            previous = i+1
        elif i == len(string)-1:
            result.append(string[previous:i+1])
    return result

---

我只将最后一列（RSSI）作为输出

如果要使用模式，可以使用3个捕获组，1个用于mac地址，1个用于通道，1个用于RSSI值：

Roam candidate# ?\d+ ((?:[0-9A-Fa-f]{2}[:-]){5}(?:[0-9A-Fa-f]){2}) on channel (\d+) +RSSI: (-?\d+)

小部分：

• 漫游候选#？\d+

  匹配漫游候选#，可选空格和1+位数

• （（？：[0-9A-Fa-f]{2}[：-]）{5}（？[0-9A-Fa-f]）{2}）

  捕获组1，匹配mac地址

• 在频道上（\d+）+

  在频道上匹配，空格后按2组1+数字捕获

• RSSI:（？\d+）

  匹配RSSI:、空格并在第3组中捕获可选的

  -

  和1+位数

|

比如说

import re

strings = ["Roam candidate# 9 F4:CF:E2:5E:73:3F on channel 161  RSSI: -70", "Roam candidate#10 F4:CF:E2:62:02:2F on channel 11  RSSI: -70"]
regex = r"Roam candidate# ?\d+ ((?:[0-9A-Fa-f]{2}[:-]){5}(?:[0-9A-Fa-f]){2}) on channel (\d+) +RSSI: (-?\d+)"
for s in strings:
    print(re.findall(regex, s, re.M))

结果

[（'F4:CF:E2:5E:73:3F'，'161'，'-70'）]

[（'F4:CF:E2:62:02:2F'，'11'，'70'）]

---

如果要使用模式，可以使用3个捕获组，1个用于mac地址，1个用于通道，1个用于RSSI值：

Roam candidate# ?\d+ ((?:[0-9A-Fa-f]{2}[:-]){5}(?:[0-9A-Fa-f]){2}) on channel (\d+) +RSSI: (-?\d+)

小部分：

• 漫游候选#？\d+

  匹配漫游候选#，可选空格和1+位数

• （（？：[0-9A-Fa-f]{2}[：-]）{5}（？[0-9A-Fa-f]）{2}）

  捕获组1，匹配mac地址

• 在频道上（\d+）+

  在频道上匹配，空格后按2组1+数字捕获

• RSSI:（？\d+）

  匹配RSSI:、空格并在第3组中捕获可选的

  -

  和1+位数

|

比如说

import re

strings = ["Roam candidate# 9 F4:CF:E2:5E:73:3F on channel 161  RSSI: -70", "Roam candidate#10 F4:CF:E2:62:02:2F on channel 11  RSSI: -70"]
regex = r"Roam candidate# ?\d+ ((?:[0-9A-Fa-f]{2}[:-]){5}(?:[0-9A-Fa-f]){2}) on channel (\d+) +RSSI: (-?\d+)"
for s in strings:
    print(re.findall(regex, s, re.M))

结果

[（'F4:CF:E2:5E:73:3F'，'161'，'-70'）]

[（'F4:CF:E2:62:02:2F'，'11'，'70'）]

---

对于regex，它的工作原理如下：

import re
s1="Roam candidate# 9 F4:CF:E2:5E:73:3F on channel 161 RSSI: -70"
s2="Roam candidate#10 F4:CF:E2:62:02:2F on channel 11 RSSI: -70"

patt= re.compile('(?P<mac>[0-9A-F]{2}(:[0-9A-F]{2}){5}).*?channel (?P<channel>[0-9]*).*?RSSI:\s*(?P<rssi>-?[0-9]*)', re.I)

matcher= patt.search(s1)

print(matcher.group('mac'))
print(matcher.group('channel'))
print(matcher.group('rssi'))

第二行：

F4:CF:E2:62:02:2F
11
-70

---

对于regex，它的工作原理如下：

import re
s1="Roam candidate# 9 F4:CF:E2:5E:73:3F on channel 161 RSSI: -70"
s2="Roam candidate#10 F4:CF:E2:62:02:2F on channel 11 RSSI: -70"

patt= re.compile('(?P<mac>[0-9A-F]{2}(:[0-9A-F]{2}){5}).*?channel (?P<channel>[0-9]*).*?RSSI:\s*(?P<rssi>-?[0-9]*)', re.I)

matcher= patt.search(s1)

print(matcher.group('mac'))
print(matcher.group('channel'))
print(matcher.group('rssi'))

第二行：

F4:CF:E2:62:02:2F
11
-70

---

另一种正则表达式方法：

import re

lines = '''Roam candidate# 9 F4:CF:E2:5E:73:3F on channel 161  RSSI: -70
Roam candidate#10 F4:CF:E2:62:02:2F on channel 11  RSSI: -70'''

pat = re.compile(r'(?<=#)\s*\d+\s+((?:[A-F0-9]{2}:){5}[A-F0-9]{2}) .*channel\s+(\d+)\s+RSSI:\s+(-?\d+)', re.I)
for line in lines.split('\n'):
    print(pat.findall(line))

---

另一种正则表达式方法：

import re

lines = '''Roam candidate# 9 F4:CF:E2:5E:73:3F on channel 161  RSSI: -70
Roam candidate#10 F4:CF:E2:62:02:2F on channel 11  RSSI: -70'''

pat = re.compile(r'(?<=#)\s*\d+\s+((?:[A-F0-9]{2}:){5}[A-F0-9]{2}) .*channel\s+(\d+)\s+RSSI:\s+(-?\d+)', re.I)
for line in lines.split('\n'):
    print(pat.findall(line))

---

简单的事情可能更好

r”（？i）（[a-f0-9]{2}（？：[a-f0-9]{2}）+\s.*\s（\d+）\s.*\s（-）\d+）

扩大

 (?i)
 (                             # (1 start)
      [a-f0-9]{2} 
      (?: : [a-f0-9]{2} )+
 )                             # (1 end)
 \s .*? \s 
 ( \d+ )                       # (2)
 \s .*? \s 
 ( -? \d+ )                    # (3)

---

简单的事情可能更好

r”（？i）（[a-f0-9]{2}（？：[a-f0-9]{2}）+\s.*\s（\d+）\s.*\s（-）\d+）

扩大

 (?i)
 (                             # (1 start)
      [a-f0-9]{2} 
      (?: : [a-f0-9]{2} )+
 )                             # (1 end)
 \s .*? \s 
 ( \d+ )                       # (2)
 \s .*? \s 
 ( -? \d+ )                    # (3)

---

下面是一个使用命名捕获组的正则表达式。您可以将鼠标悬停在对象上以了解它们的功能：下面是一个使用命名捕获组的正则表达式。您可以将鼠标悬停在对象上以了解它们的作用：在我的情况下，我需要从日志文件中提取许多字符串。这些值来自包含“ConstructionNeightarCacheFromBeacon”的行，因此我将仅对这些值进行筛选lines@EricGarnel因此，在我的例子中，如果你想从字面上匹配开始，我需要从日志文件中提取许多字符串。这些值来自包含“ConstructionNeightarCacheFromBeacon”的行，因此我将仅对这些值进行筛选lines@EricGarnel因此，您希望从字面上匹配开始，这正是我要查找的输出，但我一直在研究如何将包含特定单词的行读入数组（代替示例中的lines语句）。其中包含单词beaconcache的示例行。谢谢，我就是这样解决的：#/usr/bin/python#import sys，re arr=[]，open（'file.txt'，r'）作为f:for f.readlines（）中的行：如果行中的'constructNeightRCacheFromBeaConCache'：#print（line）arr.append（line）regex=r“Roam候选者#？\d+（？：[0-9A-Fa-f]{2}[：-]）{5}（[0-9A-Fa-f]）{f]）{2}在通道上（+RSSI:-）{对于arr:print（re.findall（regex，s，re.M））中的s，这正是我要寻找的输出，但我一直在研究如何将包含特定单词的行读入数组（代替示例中的lines语句）。其中包含单词beaconcache的示例行。谢谢，我就是这样解决的：#/usr/bin/python#import sys，re arr=[]，open（'file.txt'，r'）作为f:for f.readlines（）中的行：如果行中的'constructNeightRCacheFromBeaConCache'：#print（line）arr.append（line）regex=r“Roam候选者#？\d+（？：[0-9A-Fa-f]{2}[：-]）{5}（[0-9A-Fa-f]）{f]）{2}在通道上（+RSSI:-）{对于arr中的s：打印（关于findall（regex，s，re.M））