如何使用正则表达式拆分单行合并打印的多条程序日志？

你可以通过正向预查匹配日志边界的方式调整正则，核心逻辑是：每条日志以固定格式的时间戳开头，结束位置为下一个时间戳的起始位置（或整个字符串末尾）。

调整后的代码示例 #

import re

string = "2021-08-04:12.55.51.965438904: bla bla bla bla2021-08-04:12.55.51.965493516: bla bla bla bla2021-08-04:12.55.52.073093436: bla bla bla bla"

# 正则说明：
# \d{4}-\d{2}-\d{2}:\d{2}\.\d{2}\.\d{2}\.\d+ 匹配固定格式的时间戳，注意转义点号避免匹配任意字符
# : .*? 匹配时间戳后的冒号、空格，以及后续的日志内容（非贪婪模式防止过度匹配）
# (?=\d{4}-\d{2}-\d{2}:|$) 正向预查，断言下一个位置是新的时间戳开头，或者字符串结束
reg_exp = re.compile(r"\d{4}-\d{2}-\d{2}:\d{2}\.\d{2}\.\d{2}\.\d+:.*?(?=\d{4}-\d{2}-\d{2}:|$)", re.DOTALL)
for match in reg_exp.finditer(string):
    print(match.group())

输出结果 #

2021-08-04:12.55.51.965438904: bla bla bla bla
2021-08-04:12.55.51.965493516: bla bla bla bla
2021-08-04:12.55.52.073093436: bla bla bla bla

补充说明 #

• 原代码的正则仅匹配了时间戳部分，没有覆盖后续日志内容，也没有处理多条日志的边界问题，所以只能单独提取时间戳
• 正则中加了re.DOTALL标记是为了适配日志内容中存在换行符的场景，如果你的日志内容绝对不会出现换行，可以去掉该标记
• 时间戳的匹配用了固定位数的年、月、日、时、分、秒前缀，比通用\d+匹配精度更高，不会误判内容里的数字串为时间戳

内容的提问来源于stack exchange，提问作者ManiAm