Листинг

r»\([+-]?\d+\)»

Число, стоящее в скобках. Скобки используются в самих регулярных выражениях, поэтому они экранируются "\".

Листинг

r»[a–cA–C]{2}»

Соответствует строке из двух букв «a», «b» или «c». Например, «Ac», «CC», «bc».

Листинг

r»aa|bb|cc|AA|BB|CC»

Строка из двух одинаковых букв.

Листинг

r»([a–cA–C])\1»

Строка из двух одинаковых букв, но шаблон задан с использованием групп

Листинг

r»aa|bb».

Соответствует «aa» или «bb»

Листинг

r»a(a|b)b»

Соответствует «aab» или «abb»

Листинг

r»^(?:\d{8}|\d{4}):\s*(.*)$"

Соответствует строке, которая начинается с набора из восьми или четырех цифр и двоеточия. Все, что идет после двоеточия и после следующих за ним пробелов, выделяется в группу с номером 1, тогда как набор цифр в группу не выделен.

Листинг

r»(\w+)=.*\b\1\b»

Слова слева и справа от знака равенства присутствуют. Операнд "\1» соответствует группе с номером 1, выделенной с помощью скобок.

Листинг

r»(?P<var>\w+)=.*\b(?P=var)\b»

То же самое, но теперь используется именованная группа var.

Листинг

r»\bregular(?=\s+expression)».

Соответствует слову «regular» только в том случае, если за ним после пробелов следует «expression»

Листинг

r»(?<=regular )expression»

Соответствует слову «expression», перед которым стоит «regular»и один пробел.

Следует заметить, что примеры со взглядом назад могут сильно влиять на производительность, поэтому их не стоит использовать без особой необходимости.

Отладка регулярных выражений

Следующий небольшой сценарий позволяет отлаживать регулярное выражение, при условии, что есть пример строки, которой шаблон должен удовлетворять. Взят кусочек лога iptables, его необходимо разобрать для получения полей. Интересны строки, в которых после kernel: стоит PAY:, а в этих строках нужно получить дату, значения DST, LEN и DPT:

Листинг

import re

def debug_regex(regex, example):

«"«Отладка рег. выражения. Перед отладкой лучше убрать лишние скобки """

last_good = ""

for i in range(1, len(regex)):

try:

if re.compile(regex[:i]).match(example):

last_good = regex[:i]

except:

continue

return last_good

example = ""«Nov 27 15:57:59 lap kernel: PAY: IN=eth0 OUT=

MAC=00:50:da:d9:df:a2:00:00:1c:b0:c9:db:08:00 SRC=192.168.1.200 DST=192.168.1.115

LEN=1500 TOS=0x00 PREC=0x00 TTL=64 ID=31324 DF PROTO=TCP SPT=8080 DPT=1039

WINDOW=17520 RES=0x00 ACK PSH URGP=0»""

log_re = r»"«[A–Za–z]{3}\s+\d+\s+\d\d\d\d:\d\d) \S+ kernel: PAY: .+

DST=(?P<dst>\S+).* LEN=(?P<len>\d+).* DPT=(?P<dpt>\d+) """

print debug_regex(log_re, example)

Функция debug_regex пробует сопоставлять пример с увеличивающимися порциями регулярного выражения и возвращает последнее удавшееся сопоставление:

Листинг

[A–Za–z]{3}\s+\d+\s+\d\d

Сразу видно, что не поставлен символ :.

Примеры применения регулярного выражения

Обработка лога

Предыдущий пример регулярного выражения позволит выделить из лога записи с определенной меткой и подать их в сокращенном виде:

Листинг

import re

log_re = re.compile(r»"«(?P<date>[A–Za–z]{3}\s+\d+\s+\d\d:\d\d:\d\d) \S+ kernel:

PAY: .+ DST=(?P<dst>\S+).* LEN=(?P<len>\d+).* DPT=(?P<dpt>\d+) """)

for line in open(«message.log»):

m = log_re.match(line)

if m:

print "%(date)s %(dst)s:%(dpt)s size=%(len)s» % m.groupdict

В результате получается

Листинг

Nov 27 15:57:59 192.168.1.115:1039 size=1500

Nov 27 15:57:59 192.168.1.200:8080 size=40

Nov 27 15:57:59 192.168.1.115:1039 size=515

Nov 27 15:57:59 192.168.1.200:8080 size=40

Nov 27 15:57:59 192.168.1.115:1039 size=40

Nov 27 15:57:59 192.168.1.200:8080 size=40

Nov 27 15:57:59 192.168.1.115:1039 size=40

Анализ записи числа

Хороший пример регулярного выражения можно найти в модуле fpformat. Это регулярное выражение позволяет разобрать запись числа (в том виде, в каком числовой литерал принято записывать в Python):