正则表达式匹配失败，求助提取日志表格数据的正确正则

问题分析 #

你之前的正则表达式逻辑混乱，导致匹配失败，核心问题包括：

• 匹配顺序错误：Period在数据行开头，却被放在正则末尾，无法命中目标行
• 冗余写法：[\s+\S+]等价于任意字符，会错误匹配无关内容
• 分组范围错误：(?<time>...)包含过多无关数据，无法正确捕获目标字段

正确正则表达式 #

单行匹配（针对单条数据） #

匹配Period或Global行的正则：

^(\w+)\s+(\d+)\s+(\d+)\s+(\d+)\s+(\d+\.\d+)\s+(\d+)\s+(\d+)\s+(\d+)\s+(\d+)\s+(\d+\.\d+)\s+(\d+\.\d+)$

批量匹配（跳过表头） #

使用多行模式，自动跳过第一行表头：

^(?!Type)(\w+)\s+(\d+)\s+(\d+)\s+(\d+)\s+(\d+\.\d+)\s+(\d+)\s+(\d+)\s+(\d+)\s+(\d+)\s+(\d+\.\d+)\s+(\d+\.\d+)$

• (?!Type)是负向前瞻，确保不匹配表头行
• 需开启多行模式（如Python中的re.MULTILINE），让^匹配每行开头

捕获组对应字段 #

每个捕获组严格对应表头的字段：

• 组1：Type（Period/Global）
• 组2：Time(s)
• 组3：Ops
• 组4：TPS(ops/s)
• 组5：Net(M/s)
• 组6：Get_miss
• 组7：Min(us)
• 组8：Max(us)
• 组9：Avg(us)
• 组10：Std_dev
• 组11：Geo_dist

代码示例（Python） #

用正则提取数据并生成结构化字典，方便转为表格：

import re

log_content = """Type     Time(s)  Ops          TPS(ops/s)   Net(M/s)   Get_miss   Min(us)  Max(us)    Avg(us)    Std_dev    Geo_dist
Period   5        145443       29088        22.4       37006      352      116302     6600       7692.04    4003.72
Global   10       281537       28153        23.2       41800      281      120023     6797       7564.64    4212.93"""

# 编译正则，开启多行模式
pattern = re.compile(r'^(?!Type)(\w+)\s+(\d+)\s+(\d+)\s+(\d+)\s+(\d+\.\d+)\s+(\d+)\s+(\d+)\s+(\d+)\s+(\d+)\s+(\d+\.\d+)\s+(\d+\.\d+)$', re.MULTILINE)
matches = pattern.finditer(log_content)

# 表头列表
headers = ["Type", "Time(s)", "Ops", "TPS(ops/s)", "Net(M/s)", "Get_miss", "Min(us)", "Max(us)", "Avg(us)", "Std_dev", "Geo_dist"]

# 提取并打印结构化数据
for match in matches:
    row_data = dict(zip(headers, match.groups()))
    print(row_data)

运行后输出：

{'Type': 'Period', 'Time(s)': '5', 'Ops': '145443', 'TPS(ops/s)': '29088', 'Net(M/s)': '22.4', 'Get_miss': '37006', 'Min(us)': '352', 'Max(us)': '116302', 'Avg(us)': '6600', 'Std_dev': '7692.04', 'Geo_dist': '4003.72'}
{'Type': 'Global', 'Time(s)': '10', 'Ops': '281537', 'TPS(ops/s)': '28153', 'Net(M/s)': '23.2', 'Get_miss': '41800', 'Min(us)': '281', 'Max(us)': '120023', 'Avg(us)': '6797', 'Std_dev': '7564.64', 'Geo_dist': '4212.93'}

内容的提问来源于stack exchange，提问作者Ankur Munjaal