如何用单个正则表达式提取两种格式initcall日志的指定信息？

现有Python代码通过两个正则表达式匹配两种不同格式的initcall日志，可成功提取ts（时间戳）、func（函数名）、ret（返回值）、val（耗时）字段，当前输出符合预期。现希望将两个正则合并为一个，简化逻辑、提升代码可读性。

原代码 #

import re

content = """
[    1.765989] initcall init_module.cfi_jt+0x0/0x8 [altmode_glink] returned 0 after 379 usecs
[    0.001873] initcall selinux_init+0x0/0x1f8 returned 0 after 85 usecs
"""

for line in content.split("\n"):
    m = re.search("\[\s+(?P<ts>[\d.]+)\] initcall init_module.*\[(?P<func>[^ ]+)\] returned (?P<ret>[\d-]+) after (?P<val>[\d-]+) usecs",line)
    if m:
        ts = m['ts']
        func = m['func']
        ret = m['ret']
        val = m['val']
        print(ts,func,ret,val)
    else:
        m = re.search("\[\s+(?P<ts>[\d.]+)\] initcall (?P<func>[^ ]+)\+.*? returned (?P<ret>[\d-]+) after (?P<val>[\d-]+) usecs",line)
        if m:
            ts = m['ts']
            func = m['func']
            ret = m['ret']
            val = m['val']
            print(ts,func,ret,val)

原输出 #

1.765989 altmode_glink 0 379
0.001873 selinux_init 0 85

合并正则后的解决方案 #

可以通过正则的分支结构（|）将两种格式的匹配逻辑合并，针对func字段的两种出现位置做统一处理。合并后的正则会共用后续的匹配逻辑，避免重复代码。

修改后的完整代码 #

import re

content = """
[    1.765989] initcall init_module.cfi_jt+0x0/0x8 [altmode_glink] returned 0 after 379 usecs
[    0.001873] initcall selinux_init+0x0/0x1f8 returned 0 after 85 usecs
"""

# 合并后的正则表达式
pattern = re.compile(r"\[\s+(?P<ts>[\d.]+)\] initcall (?:init_module.*\[(?P<func>[^ ]+)\]|(?P<func>[^ ]+)\+.*?) returned (?P<ret>[\d-]+) after (?P<val>[\d-]+) usecs")

for line in content.split("\n"):
    m = pattern.search(line)
    if m:
        ts = m['ts']
        func = m['func']
        ret = m['ret']
        val = m['val']
        print(ts, func, ret, val)

关键说明 #

• 使用(?:...)创建非捕获分组，包裹两种格式的分支逻辑，避免生成多余的捕获组
• 分支1：init_module.*\[(?P<func>[^ ]+)\] 匹配第一种格式中包裹在[]内的函数名
• 分支2：(?P<func>[^ ]+)\+.*? 匹配第二种格式中直接跟在initcall后的函数名
• 提前编译正则表达式（re.compile）可提升多次匹配的执行效率

内容的提问来源于stack exchange，提问作者lucky1928