python-re 中的正则表达式条件提取

Question

我正在尝试从错误文本中提取通常为 4 个整数的 SQLCODE，如下所示：

1. SQLSTATE: 22018, SQLCODE: 3535.
2. SQLSTATE: 40001, SQLCODE: 2631 Session Id           629709103
3. SQLSTATE: 40001, SQLCODE: 2631                Session Id  594700603
4. SQLSTATE: T7547, SQLCODE:   754Session Id613234380

我目前有以下相同的模式匹配正则表达式。但是，有像 4 这样的边缘案例失败了。

error_cd = re.findall(r'SQLCODE:\s([^.,\s]+)', err_log)

如果SQLCODE后面没有4个整数，我想提取字母'T'

后面的SQLSTATE文本

预期输出：

如有任何关于如何实现这一目标的建议，我们将不胜感激。谢谢。

Answer 1

这可能完全在正则表达式中完成，使用 lookahead/lookbehind 来处理条件提取，但这可能会变得非常混乱。

解决方案 1：纯正则表达式：

编辑：这是纯正则表达式的解决方案……比我想象的要简单（尽管肯定比混合方法更 error-prone……需要一些额外的逻辑来使其更健壮）：

re.findall(r'((?:(?<=SQLSTATE: T)(?![0-9]{4}, SQLCODE: [0-9]{4})[0-9]{4})|(?:(?<=SQLCODE: )[0-9]{4}))', err_log)

解决方案 2：正则表达式和 Python:

以下解决方案使用正则表达式提取 SQLSTATE 和 SQLCODE 值，并使用列表推导式进行条件提取：

err_log = '''
1. SQLSTATE: 22018, SQLCODE: 3535.
2. SQLSTATE: 40001, SQLCODE: 2631 Session Id           629709103
3. SQLSTATE: 40001, SQLCODE: 2631                Session Id  594700603
4. SQLSTATE: T7547, SQLCODE:   754Session Id613234380
'''

error_st_cd = re.findall(r'SQLSTATE: +T([0-9]+), SQLCODE: +([0-9]{4})?', err_log)
error_cd = [codes[1] or codes[0] for codes in error_st_cd]

for i, cd in enumerate(error_cd):
    print(f'{i+1}. {cd}')

输出：

3535

2631

2631

7547

Answer 2

正则表达式方法可能确实更简单，但无论如何，这里有一种方法w/o使用正则表达式：

test_string = """
1. SQLSTATE: 22018, SQLCODE: 3535.
2. SQLSTATE: 40001, SQLCODE: 2631 Session Id           629709103
3. SQLSTATE: 40001, SQLCODE: 2631                Session Id  594700603
4. SQLSTATE: T7547, SQLCODE:   754Session Id613234380
""".strip()


def process_lines(s: str):
    for line in s.split('\n'):
        sql_code = ''.join(take_nums(line.split('SQLCODE: ', 1)[-1]))
        if len(sql_code) == 4:
            yield sql_code
        else:
            sql_state = ''.join(take_nums(line.split('SQLSTATE: ', 1)[-1][1:]))
            yield sql_state


def take_nums(s: str):
    """take from string only while we get space or numeric chars"""
    for c in s:
        if c.isnumeric():
            yield c
        elif not c.isspace():
            break


for i, line in enumerate(process_lines(test_string), 1):
    print(f'{i}. {line!r}')

结果：

1. '3535'
2. '2631'
3. '2631'
4. '7547'

python-re 中的正则表达式条件提取

regex conditional extract in python-re

python

regex