Python Regex：同一字符串中的多个条件匹配

Question

我目前正在合并这个函数来检查多个 url。它将 html 页面读入字符串并匹配文件传输的进度百分比，如下所示：

def check(server):
    logging.info('Fetching {0}.'.format(server))
    # Open page
    response = urllib2.urlopen("http://"+server+"/avicapture.html")
    tall = response.read() # puts the data into a string
    html = tall.rstrip()
    # Grab progress percentage.
    match = re.search('.*In Progress \((.*)%\).*', html)

然后在此匹配上，将字符串中的百分比数字返回给父进程。

    if match:
        global temp
        global results
        temp = match.group(1)
        results = temp
        servers[server] = temp
        if int(temp) >= 98 and int(temp) <= 99:
            abort(server)
            alertmail(temp, server)
            rem = str(server)
            complete(rem)
            logging.info('{0} completed.'.format(server))
        return str(temp)

但是，有时它不会显示“进行中”并且有一个百分比。它将显示“传输中止”或“就绪”。我将如何构造它以返回它找到的任何一个，正在进行（百分比）、传输中止或就绪？

编辑：我忘了提到我需要它来匹配最近的文件传输，基于结束时间。 （见：http://www.whatdoiknow.net/dump/avicapture_full.html#status）

部分解决方案：

    match = re.search('.*In Progress \((.*)%\).*', html)
    match2 = re.search('.*Ready.*', html)
    match3 = re.search('.*Transfer Aborted.*', html)
    if match:
        global temp
        temp = match.group(1)
        if int(temp) >= 98 and int(temp) <= 99:
            logging.info('{0} completed.'.format(server))
        return str(temp)
    elif match2:
        temp = "Ready"
        logging.info('{0} is ready.'.format(server))
        return str(temp)
    elif match3:
        temp = "Transfer Aborted"
        logging.info('{0} was Aborted.'.format(server))
        return str(temp)

但是，这并不能满足我识别最近转移的需要..

Answer 1

你只需要在正则表达式中使用|：

match = re.search(r"(In Progress \((.*)%\)|Transfer Aborted|Ready)", html)

match.group(1) 将包含所有匹配项（In Progress (00%)、Transfer Aborted 或 Ready，而match.group(2) 将在第二种和第三种情况下的 None 上具有编号 00（00 是占位符）。

UPDATE 1：关于需要获取最新行。这个http://www.whatdoiknow.net/dump/avicapture.html 页面是相当简单的html，所以我的建议是使用一些html 解析工具（我推荐beautifulsoup4，文档：http://www.crummy.com/software/BeautifulSoup/bs4/doc/）将其解析为树，然后在表中找到N/A 的第一行，获取行之前并将 re 应用于其最后一列。

UPDATE 2：现在想来，可能没有必要解析 html。您可以使用 re.findall（或 re.finditer）获取匹配的字符串元组（匹配对象）的列表，然后从中获取最后一项。

更新 3：假设更新 1 和更新 2，该表按日期排序。如果没有，那么您需要在正则表达式中包含日期模式并从匹配项中获取与最大日期匹配的日期。