使用正则表达式（RegEx）解析特定格式日志文件的技术求助

问题分析 #

你之前的正则存在两个核心问题：

• (\n.*)+ 是贪婪匹配，会直接匹配到文件末尾的分隔符，导致无法正确分割条目
• 重复捕获组（带+的组）只会保留最后一次匹配的内容，所以组3为空

正确正则表达式 #

使用多行模式（re.MULTILINE 或 (?m) 标记）的正则：

^={19}\n(.*)\n={19}\n\n([\s\S]*?)\n(?=={19}|$)

正则解释 #

• ^={19}\n：匹配每个条目开头的19个等号及后续换行（^在多行模式下匹配每行开头）
• (.*)：捕获标题行（DateTimeStamp - ShortSummaryOfEntry），对应你的RecordField1
• \n={19}\n\n：匹配标题后的19个等号、换行及空行
• ([\s\S]*?)：非贪婪匹配所有内容（[\s\S]匹配任意字符包括换行），直到遇到下一个分隔符或文件结尾，对应你的RecordField2
• \n(?=={19}|$)：前瞻匹配，确保内容截止到下一个19个等号的前一行，不会包含分隔符

示例代码（Python） #

import re

log_content = """===================
2024-05-20 10:00:00 - User Login
===================

User ID: 12345
IP Address: 192.168.1.100
Status: Success

===================
2024-05-20 10:05:00 - File Upload
===================

File Name: report.pdf
Size: 2.5MB
Uploader: User 12345

"""

pattern = re.compile(r'^={19}\n(.*)\n={19}\n\n([\s\S]*?)\n(?=={19}|$)', re.MULTILINE)
matches = pattern.findall(log_content)

for idx, (field1, field2) in enumerate(matches, 1):
    print(f"Record{idx}Field1:")
    print(field1)
    print(f"Record{idx}Field2:")
    print(field2.strip())  # 去除首尾空行
    print()

输出结果 #

Record1Field1:
2024-05-20 10:00:00 - User Login
Record1Field2:
User ID: 12345
IP Address: 192.168.1.100
Status: Success

Record2Field1:
2024-05-20 10:05:00 - File Upload
Record2Field2:
File Name: report.pdf
Size: 2.5MB
Uploader: User 12345

内容的提问来源于stack exchange，提问作者BJS