Python3.7中使用re.escape构造正则无法匹配目标字符串问题排查

核心问题 #

• 正则里的.*是贪婪匹配模式，会尽可能多的吞掉字符串内容，直接匹配到了日期时间和目标路径之间的最后一个空格前，导致后续的日期时间匹配规则无对应内容可匹配，最终re.fullmatch返回空。
• 次要优化点：原正则里的[\d]可以直接简化为\d，功能一致写法更简洁。

可行修正方案 #

方案1：修改为非贪婪匹配 #

把.*替换为.*?非贪婪匹配模式，会尽可能少匹配前缀内容，保证后续的日期时间规则可以正常命中对应片段，修正后代码如下：

import re
a = '/hi/ji/hello/hello.log'
# 仅将.*改为.*?非贪婪匹配即可
regex = rf".*?\s+(\d{4}-\d{2}-\d{2}\s+\d{2}:\d{2})\s+{re.escape(a)}"
line = r'-rw-rw---- hacluster  haclient      6889422 2021-07-22 17:53 /hi/ji/hello/hello.log'
y = re.fullmatch(regex, line)
if y:
    print(y.group(1)) # 输出结果：2021-07-22 17:53

方案2：使用精准前缀匹配（更稳定） #

因为待匹配行的前缀是固定的4段非空白内容：权限、用户名、用户组、文件大小，直接用规则匹配前缀，完全避免贪婪匹配的歧义，逻辑更稳定：

import re
a = '/hi/ji/hello/hello.log'
# (?:\S+\s+){4}表示匹配4段非空白字符加后续分隔空格，?:表示该分组不捕获
regex = rf"(?:\S+\s+){4}(\d{4}-\d{2}-\d{2}\s+\d{2}:\d{2})\s+{re.escape(a)}"
line = r'-rw-rw---- hacluster  haclient      6889422 2021-07-22 17:53 /hi/ji/hello/hello.log'
y = re.fullmatch(regex, line)
if y:
    print(y.group(1))

内容的提问来源于stack exchange，提问作者Rocky