使用字典清理域名的Python正则表达式替换

对于输出，需要将括号中包含的数字替换为句点“.”。同时移除域开头和结尾的括号

我们可以用这个吗？如果可以，怎么用

代码

import re

log = ["4/19/2020 11:59:09 PM 2604 PACKET  0000014DE1921330 UDP Rcv 192.168.1.28   f975   Q [0001   D   NOERROR] A      (7)pagead2(17)googlesyndication(3)com(0)",
       "4/19/2020 11:59:09 PM 0574 PACKET  0000014DE18C4720 UDP R cv 192.168.2.54    9c63   Q [0001   D   NOERROR] A      (2)pg(3)cdn(5)viber(3)com(0)"]

rx_dict = { 'query': re.compile(r'(?P<query>[\S]*)$') }

for item in log:
    for key, r_exp in rx_dict.items():
        print(f"{r_exp.search(item).group(1)}")

首选输出

(7)pagead2(17)googlesyndication(3)com(0)
(2)pg(3)cdn(5)viber(3)com(0)

pagead2.googlesyndication.com
pg.cdn.viber.com

---

实用python用法：

log = ["4/19/2020 11:59:09 PM 2604 PACKET  0000014DE1921330 UDP Rcv 192.168.1.28   f975   Q [0001   D   NOERROR] A      (7)pagead2(17)googlesyndication(3)com(0)",
       "4/19/2020 11:59:09 PM 0574 PACKET  0000014DE18C4720 UDP R cv 192.168.2.54    9c63   Q [0001   D   NOERROR] A      (2)pg(3)cdn(5)viber(3)com(0)"]

import re

urls = [re.sub(r'\(\d+\)','.',t.split()[-1]).strip('.') for t in log]

print (urls)

输出：

['pagead2.googlesyndication.com', 'pg.cdn.viber.com']

['pagead2.googlesyndication.com', 'pg.cdn.viber.com']

---

通过规则优化字典：

log = ["4/19/2020 11:59:09 PM 2604 PACKET  0000014DE1921330 UDP Rcv 192.168.1.28   f975   Q [0001   D   NOERROR] A      (7)pagead2(17)googlesyndication(3)com(0)",
       "4/19/2020 11:59:09 PM 0574 PACKET  0000014DE18C4720 UDP R cv 192.168.2.54    9c63   Q [0001   D   NOERROR] A      (2)pg(3)cdn(5)viber(3)com(0)"]

import re

urls = [re.sub(r'\(\d+\)','.',t.split()[-1]).strip('.') for t in log]

print (urls)

如果要通过字典应用连续规则，请一直转到

lambda

：

import re 

rules = {"r0": lambda x: x.split()[-1],
         "r1": lambda x: re.sub(r'\(\d+\)','.',x),
         "r2": lambda x: x.strip(".")}

result = []
for value in log:  
    result.append(value)
    for r in rules:
        result[-1] = rules[r](result[-1])

print(result)

输出：

['pagead2.googlesyndication.com', 'pg.cdn.viber.com']

['pagead2.googlesyndication.com', 'pg.cdn.viber.com']

---

是的，您可以使用

re.sub

。我假设你有这本字典，所以你可以从日志中提取多个片段。您可以这样做：

---

打字错误<代码>r“\（\d+\）”？结果中仍然有太多的“

”。

，并且您有一些（或）不匹配。谢谢，但是如何在我上面提供的代码中实现？@pab我怀疑您能做到。您可以使用我在Dictionary Refineration via rules中详述的链式解决方案，它与您的类似。我想不出任何一步正则表达式可以解决您的需求。