在 python 正则表达式中捕获重复的组答案

【问题标题】：Capture repeated groups in python regex在 python 正则表达式中捕获重复的组
【发布时间】：2017-10-06 10:34:52
【问题描述】：

我有一个邮件日志文件，是这样的：

Aug 15 00:01:06 **** sm-mta*** to=<user1@gmail.com>,<user2@yahoo.com>,user3@aol.com, some_more_stuff
Aug 16 13:16:09 **** sendmail*** to=<user4@yahoo.com>, some_more_stuff
Aug 17 11:14:48 **** sm-mta*** to=<user5@gmail.com>,<user6@gmail.com>, some_more_stuff

我想要的是包含“sm-mta”的行中所有邮件主机的列表。在这种情况下，这将是：['gmail.com', 'yahoo.com', 'aol.com', 'gmail.com', gmail.com']

re.findall(r'sm-mta.*to=.+?@(.*?)[>, ]') 将只返回每个匹配行的第一个主机 (['gmail.com','gmail.com'])

re.findall(r'.+?@(.*?)[>, ]') 将返回正确的列表，但我也需要过滤。有什么解决方法吗？

【问题讨论】：

你可以试试这个eval.in/875159

标签： python regex

【解决方案1】：

如果您不能使用 PyPi 正则表达式库，则必须分两步完成：1) 使用 sm-mta 获取行和 2) 获取您需要的值，例如

重新导入

txt="""Aug 15 00:01:06 **** sm-mta*** to=<user1@gmail.com>,<user2@yahoo.com>,user3@aol.com, some_more_stuff
Aug 16 13:16:09 **** sendmail*** to=<user4@yahoo.com>, some_more_stuff
Aug 17 11:14:48 **** sm-mta*** to=<user5@gmail.com>,<user6@gmail.com>, some_more_stuff"""
rx = r'@([^\s>,]+)'
filtered_lines = [x for x in txt.split('\n') if 'sm-mta' in x]
print(re.findall(rx, " ".join(filtered_lines)))

请参阅Python demo online。 @([^\s>,]+) 模式将匹配 @ 并将捕获并返回除空格之外的任何 1+ 字符，> 和 ,。

如果你可以使用 PyPi 正则表达式库，你可能会得到你需要的字符串列表

>>> import regex
>>> x="""Aug 15 00:01:06 **** sm-mta*** to=<user1@gmail.com>,<user2@yahoo.com>,user3@aol.com, some_more_stuff
Aug 16 13:16:09 **** sendmail*** to=<user4@yahoo.com>, some_more_stuff
Aug 17 11:14:48 **** sm-mta*** to=<user5@gmail.com>,<user6@gmail.com>, some_more_stuff"""
>>> rx = r'(?:^(?=.*sm-mta)|\G(?!^)).*?@\K[^\s>,]+'
>>> print(regex.findall(rx, x, regex.M))
['gmail.com', 'yahoo.com', 'aol.com,', 'gmail.com', 'gmail.com']

请参阅 the Python online demo 和 regex demo。

模式详情

(?:^(?=.*sm-mta)|\G(?!^)) - 在除换行符之外的任何 0+ 个字符或上一场比赛结束的地方之后有 sm-mta 子字符串的行
.*?@ - 除换行符之外的任何 0+ 字符，尽可能少，直到 @ 和 @ 本身
\K - 匹配重置运算符，丢弃当前迭代中到目前为止匹配的所有文本
[^\s>,]+ - 除空格之外的 1 个或多个字符，, 和 >

【讨论】：

【解决方案2】：

试试regex 模块。

x="""Aug 15 00:01:06 **** sm-mta*** to=<user1@gmail.com>,<user2@yahoo.com>,user3@aol.com, some_more_stuff
Aug 16 13:16:09 **** sendmail*** to=<user4@yahoo.com>, some_more_stuff
Aug 17 11:14:48 **** sm-mta*** to=<user5@gmail.com>,<user6@gmail.com>, some_more_stuff"""
import regex
print regex.findall(r"sm-mta.*to=\K|\G(?!^).+?@(.*?)[>, ]", x, version=regex.V1)

输出： ['', 'gmail.com', 'yahoo.com', 'aol.com', '', 'gmail.com', 'gmail.com']

忽略第一个空匹配。

https://regex101.com/r/7zPc6j/1

【讨论】：