Python 2.7中HTTP GET请求头的正则匹配问题

我来帮你搞定这个正则表达式的问题！首先咱们拆解你的需求，再一步步修正你的正则：

核心需求回顾 #

你要匹配的是符合以下规则的HTTP请求头行：

• 开头是一个或多个非冒号、非空格的字符（请求头的键）
• 紧接着是冒号+空格（注意：冒号前面不能有空格）
• 然后是一个或多个非冒号的字符（请求头的值，允许空格，只要没有冒号就行）
• 最后必须以换行符结尾（\r\n或\n都兼容）

你的原始正则问题分析 #

你写的^.{1,}: .{1,}[/r/n]$有几个明显的问题：

1. .会匹配任意字符，包括冒号和空格，这就导致键和值部分会包含你想排除的冒号，完全不符合需求；
2. [/r/n]是错误的写法——这是一个字符集，匹配的是/、r、n这三个字符中的一个，而不是换行符，正确的换行符应该用转义序列\r和\n；
3. 没有精准限制键和值的字符范围，导致不符合规则的行也会被匹配。

正确的正则表达式 #

根据你的需求，我们用否定字符集来排除特定字符，写出精准的正则：

^[^:\s]+: [^:]+\r?\n$

咱们逐个部分解释：

• ^：匹配行的起始位置
• [^:\s]+：匹配一个或多个非冒号、非空白符的字符（也就是请求头的键，确保没有冒号和空格）
• : ：严格匹配冒号紧跟一个空格（避免像Host : ...这种不符合格式的情况）
• [^:]+：匹配一个或多个非冒号的字符（请求头的值，允许空格，只要不含冒号就符合要求）
• \r?\n：兼容Windows的\r\n和Unix的\n换行符
• $：匹配行的结束位置

Python中使用示例 #

如果你用Python的re模块，这样写就可以：

import re

# 匹配单行带换行的头行
header_pattern = re.compile(r"^[^:\s]+: [^:]+\r?\n$")

# 如果你要从多行文本中匹配所有符合的头行，加上多行模式
header_pattern_multiline = re.compile(r"^[^:\s]+: [^:]+\r?\n?$", re.MULTILINE)
# 这里的\r?\n?$是为了兼容最后一行可能没有换行的情况，如果严格要求必须有换行，可以去掉最后的?

验证你的示例 #

• 符合要求的行：
  • Host: www.stackoverflow.com\n：完全匹配正则，成功命中
  • a-b-sads&^*@hgsdafAS&FTD: sjal;dfh9S^& D^F& (SDfsdgafs\n：键不含冒号和空格，值不含冒号，成功命中
• 不符合要求的行：
  • Host : www.stackoverflow.com：冒号前面多了空格，:部分不匹配，失败
  • H:o:s:t: www.stackoverflow.com：键里有冒号，[^:\s]+在第一个冒号处就停止匹配，后续内容不匹配，失败
  • Host: www.:::stackoverflow.com：值里有冒号，[^:]+在第一个冒号处停止匹配，失败
  • Host: www.stackoverflow.com：没有换行符，\r?\n$部分不匹配，失败

内容的提问来源于stack exchange，提问作者ThoseKind