正则提取日志时间戳与接收速率时分组匹配范围溢出如何解决

问题根源是正则中.*的贪婪匹配特性：默认情况下.*会尽可能多匹配字符，而你后面跟的\s*、[0-9]*都是允许匹配0个字符的规则，正则引擎会优先让.*多吃内容，只要剩余部分能满足后面的匹配规则即可，因此把时间戳之后的空格和数字也吞进了第一个分组。

有两种常用的修改方式，都可以适配时间戳后空格数量不固定的场景：

方案1：改用非贪婪匹配（最简单的修改方式） #

把第一个分组的贪婪匹配改为非贪婪匹配，同时把后面的\s*改为\s+（时间戳和后面的数字之间至少存在1个空格，用+避免匹配0个导致贪婪逻辑失效）：

^(.*?)\s+[0-9]+\s+\([0-9]+\)\s+Receive\s+rate:\s+([0-9]+)

这里的.*?是非贪婪匹配，会尽可能少匹配内容，直到遇到第一个满足\s+[0-9]+（一个或多个空格加数字）的位置就停止，正好把时间戳完整留在第一个分组。

方案2：精准匹配时间戳格式（稳定性更高） #

如果你的日志时间戳格式固定（月/日/年 时:分:秒 AM/PM），可以直接限定第一个分组的匹配规则，完全避免贪婪问题，匹配精度更高：

^(\d{1,2}/\d{1,2}/\d{4}\s+\d{1,2}:\d{1,2}:\d{1,2}\s+[AP]M)\s+[0-9]+\s+\([0-9]+\)\s+Receive\s+rate:\s+([0-9]+)

两种方案匹配你给出的样例日志，都可以得到预期分组结果：

• 分组1：9/14/2021 6:01:14 PM、9/14/2021 6:01:29 PM
• 分组2：39338、215363

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