在Rust中用正则表达式捕获单行内的多个复杂元组实例

问题场景 #

需要从如下格式的日志中捕获所有(u64, Option<u64>)格式的元组：

[2025-01-01T08:17:29.791951550Z INFO] Values: [(311154184, Some(389971313710868251)), (311154187, Some(389967898428572732)), (311154182, Some(389971313710868251)), (311154174, Some(389971313710868251)), (311154178, Some(389971313710868251)), (311154197, Some(389811146843151022)), (311154171, Some(389971313710868251)), (311154167, Some(389971313710868251)), (311154185, Some(389967898428572732)), (311154168, Some(389971313710868251)), (311154191, Some(389967898428572732)), (311154196, Some(389811259875653181)), (311154199, Some(0)), (311154192, Some(389967898428572732)), (311154172, Some(389971313710868251)), (311154181, Some(389971313710868251)), (311154177, Some(389971313710868251)), (311154176, Some(389971313710868251)), (311154179, Some(389971313710868251)), (311154183, Some(389971313710868251)), (311154186, Some(389967898428572732)), (311154175, Some(389971313710868251)), (311154173, Some(389971313710868251)), (311154180, Some(389971313710868251)), (311154190, Some(389967898428572732)), (311154170, Some(389971313710868251)), (311154165, None), (311154189, Some(389967898428572732)), (311154169, Some(389971313710868251)), (311154166, None), (311154195, Some(389967898428572732)), (311154198, Some(287087126717485928)), (311154193, Some(389967898428572732)), (311154188, Some(389967898428572732)), (311154194, Some(389967898428572732))]

元组分为两种格式：

• (311154170, Some(389971313710868251))
• (311154165, None)

原正则的问题 #

你之前写的((\((\d+), (Some\((\d+)\)|None\)), )+)存在两个核心问题：

1. 重复捕获组（+修饰的组）在Rust的regex crate中只会保留最后一次匹配的结果，无法捕获所有元组。
2. 正则末尾多余的逗号和空格匹配，导致最后一个元组无法被匹配（最后一个元组后无逗号）。

正确的正则表达式 #

直接匹配单个元组，再通过全局匹配获取所有结果：

\((\d+),\s+(Some\((\d+)\)|None)\)

各部分解释：

• \(：匹配元组的左括号
• (\d+)：捕获第一个u64类型的数字
• ,\s+：匹配逗号和任意数量的空白字符（兼容日志中的空格）
• (Some\((\d+)\)|None)：捕获第二个元素，分为两种情况：
  • Some\((\d+)\)：匹配Some(数字)格式，其中(\d+)捕获内部的u64数字
  • None：直接匹配None
• \)：匹配元组的右括号

Rust代码实现 #

1. 在Cargo.toml中添加依赖：

[dependencies]
regex = "1.10"

2. 编写解析代码：

use regex::Regex;

fn main() {
    let log_content = r#"[2025-01-01T08:17:29.791951550Z INFO] Values: [(311154184, Some(389971313710868251)), (311154187, Some(389967898428572732)), (311154182, Some(389971313710868251)), (311154174, Some(389971313710868251)), (311154178, Some(389971313710868251)), (311154197, Some(389811146843151022)), (311154171, Some(389971313710868251)), (311154167, Some(389971313710868251)), (311154185, Some(389967898428572732)), (311154168, Some(389971313710868251)), (311154191, Some(389967898428572732)), (311154196, Some(389811259875653181)), (311154199, Some(0)), (311154192, Some(389967898428572732)), (311154172, Some(389971313710868251)), (311154181, Some(389971313710868251)), (311154177, Some(389971313710868251)), (311154176, Some(389971313710868251)), (311154179, Some(389971313710868251)), (311154183, Some(389971313710868251)), (311154186, Some(389967898428572732)), (311154175, Some(389971313710868251)), (311154173, Some(389971313710868251)), (311154180, Some(389971313710868251)), (311154190, Some(389967898428572732)), (311154170, Some(389971313710868251)), (311154165, None), (311154189, Some(389967898428572732)), (311154169, Some(389971313710868251)), (311154166, None), (311154195, Some(389967898428572732)), (311154198, Some(287087126717485928)), (311154193, Some(389967898428572732)), (311154188, Some(389967898428572732)), (311154194, Some(389967898428572732))]"#;

    // 编译正则表达式
    let re = Regex::new(r"\((\d+),\s+(Some\((\d+)\)|None)\)").unwrap();

    // 捕获所有匹配项并转换为目标类型
    let tuples: Vec<(u64, Option<u64>)> = re.captures_iter(log_content)
        .filter_map(|cap| {
            // 解析第一个u64
            let first = cap.get(1)?.as_str().parse().ok()?;
            // 处理第二个元素：Some或None
            let second = match cap.get(2)?.as_str() {
                "None" => None,
                _ => cap.get(3)?.as_str().parse().ok()
            };
            Some((first, second))
        })
        .collect();

    // 打印结果验证
    for tup in tuples {
        println!("{:?}", tup);
    }
}

代码说明 #

• captures_iter返回所有匹配的捕获组，遍历每个元组的匹配结果。
• filter_map处理解析过程中的错误（如数字解析失败），只保留有效元组。
• 对于Some类型的匹配，通过第三个捕获组获取内部数字；None则直接返回None。

内容的提问来源于stack exchange，提问作者Bobby Dore