如何编写可处理任意顺序多个key=value键值对的正则表达式

核心思路 #

Go标准库的regexp采用RE2引擎，我们可以将每个需要提取的键值对封装为独立的可选匹配分组，配合惰性匹配跳过无关内容，即可完全不依赖键的出现顺序完成提取。

修正后的正则规则 #

针对你需要提取的datetime、event、duration三个字段，正则写法如下：

^.*?(?:datetime="(?P<datetime>[^"]*)")?.*?(?:event="(?P<event>[^"]*)")?.*?(?:duration=(?P<duration>\S+))?.*$

规则说明 #

• 每个目标键对应一个可选非捕获组(?:匹配规则)?，字段存在就提取值，不存在也不会导致整体匹配失败
• .*?为惰性匹配，用于跳过当前字段前的任意无关内容，无需关注字段出现顺序
• 用[^"]*匹配双引号包裹的值，比惰性匹配.*?性能更高，也不会出现越界匹配问题
• 用\S+匹配无引号的纯数值/纯文本值，匹配到空白字符自动停止

完整可运行代码 #

package main

import (
	"fmt"
	"regexp"
)

// groupmap 将正则匹配结果转为命名分组的map
func groupmap(s string, r *regexp.Regexp) map[string]string {
	values := r.FindStringSubmatch(s)
	keys := r.SubexpNames()

	d := make(map[string]string)
	for i := 1; i < len(keys); i++ {
		d[keys[i]] = values[i]
	}
	return d
}

func main() {
	input := `extra_data_probably_has_equal_sign_in_it datetime="2021-05-30T11:02:00-09:00" level=info event="event content" duration=0`
	// 顺序无关的正则
	re := regexp.MustCompile(`^.*?(?:datetime="(?P<datetime>[^"]*)")?.*?(?:event="(?P<event>[^"]*)")?.*?(?:duration=(?P<duration>\S+))?.*$`)
	fmt.Println(groupmap(input, re))
}

运行输出：

map[datetime:2021-05-30T11:02:00-09:00 duration:0 event:event content]

扩展说明 #

如果需要新增提取字段，只需要按照.*?(?:键规则(?P<键名>值规则))?的格式插入正则即可，不需要调整现有匹配逻辑，比如要新增提取level字段，修改正则为：

^.*?(?:datetime="(?P<datetime>[^"]*)")?.*?(?:event="(?P<event>[^"]*)")?.*?(?:duration=(?P<duration>\S+))?.*?(?:level=(?P<level>\S+))?.*$

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