Python正则如何正确提取日志中SEARCH |后的完整搜索内容

现有固定格式的业务日志，需要提取每行中SEARCH |标识后的完整搜索词（支持包含空格的多词内容），并完成词频统计。
示例日志内容：

2022-06-29 12:45:04.652 | INFO     | product.views.product_view:list:28 - SEARCH | Humana papa 
2022-06-29 12:45:04.652 | INFO     | product.views.product_view:list:28 - SEARCH | iPhone 12

预期提取结果为Humana papa、iPhone 12这类完整搜索字符串。
原有实现代码使用正则r'SEARCH \| (\w+).*'做匹配，存在明显缺陷：\w+仅能匹配连续的字母、数字、下划线字符，遇到空格就会终止匹配，只能拿到搜索词的第一个单词，最终词频统计结果完全错误。例如测试输入中的Phone 12 pro会被错误截断为Phone，末尾带空格的Humana papa 会被截断为Humana，最终得到Humana出现2次的错误统计结果。

核心是调整正则匹配规则，直接捕获SEARCH |之后到当前行末尾的所有内容，同时自动过滤内容前后的多余空白字符，无需额外做字符串截断处理。

修正后完整代码 #

import re
from collections import Counter

inp = """2022-06-29 12:45:04.652 | INFO     | product.views.product_view:list:28 - SEARCH | Humana
2022-06-29 12:45:04.652 | INFO     | product.views.product_view:list:28 - SEARCH | Car
2022-06-29 12:45:04.652 | INFO     | product.views.product_view:list:28 - SEARCH | Phone 12 pro
2022-06-29 12:45:04.652 | INFO     | product.views.product_view:list:28 - SEARCH | Humana papa """

# 正则说明：
# 1. SEARCH \| 匹配固定标记，管道符需要转义
# 2. \s* 吞掉标记后可能存在的多余空白
# 3. (.*?) 非贪婪捕获搜索词内容
# 4. \s*$ 匹配搜索词末尾到行尾的空白，配合re.MULTILINE逐行匹配
terms = re.findall(r'SEARCH \|\s*(.*?)\s*$', inp, flags=re.MULTILINE)

print(Counter(terms))  # 输出：Counter({'Humana': 1, 'Car': 1, 'Phone 12 pro': 1, 'Humana papa': 1})
print(Counter(terms).most_common(1)[0])  # 输出：('Humana', 1)

注意事项 #

• 必须添加re.MULTILINE标志，否则正则中的$只会匹配整个输入字符串的末尾，无法逐行提取内容
• 正则前后的\s*已经自动处理了搜索词首尾的空格、换行、制表符，不需要额外调用strip()方法
• 如果日志格式固定为SEARCH |后到行尾无其他内容，也可以将非贪婪匹配.*?替换为贪婪匹配.*，匹配结果完全一致

内容的提问来源于stack exchange，提问作者CaptainPy