python-re中的regex条件提取

Question

我正在尝试从错误文本中提取SQLCODE，它通常是4个整数，如下所示：

1. SQLSTATE: 22018, SQLCODE: 3535.
2. SQLSTATE: 40001, SQLCODE: 2631 Session Id           629709103
3. SQLSTATE: 40001, SQLCODE: 2631                Session Id  594700603
4. SQLSTATE: T7547, SQLCODE:   754Session Id613234380

我有下面的模式匹配正则表达式的相同目前。然而，有一个像4这样的边缘情况正在失败。

error_cd = re.findall(r'SQLCODE:\s([^.,\s]+)', err_log)

如果SQLCODE之后没有4个整数，我想在字母'T‘之后提取SQLSTATE文本

预期产出：

1. 3535
2. 2631
3. 2631
4. 7547

任何关于如何实现这一目标的建议都将受到赞赏。谢谢。

Answer 1

这可能完全可以在regex中完成，使用查找/后置来处理条件提取，但这可能会变得非常混乱。

解决方案1:纯Regex:

编辑:这是纯正则表达式.比我想象的更简单(虽然肯定比混合方法更容易出错……需要一些额外的逻辑才能使其更加健壮)：

re.findall(r'((?:(?<=SQLSTATE: T)(?![0-9]{4}, SQLCODE: [0-9]{4})[0-9]{4})|(?:(?<=SQLCODE: )[0-9]{4}))', err_log)

解决方案2: Regex和：

以下解决方案使用regex同时提取SQLSTATE和SQLCODE值，并使用列表理解来执行条件提取：

err_log = '''
1. SQLSTATE: 22018, SQLCODE: 3535.
2. SQLSTATE: 40001, SQLCODE: 2631 Session Id           629709103
3. SQLSTATE: 40001, SQLCODE: 2631                Session Id  594700603
4. SQLSTATE: T7547, SQLCODE:   754Session Id613234380
'''

error_st_cd = re.findall(r'SQLSTATE: +T([0-9]+), SQLCODE: +([0-9]{4})?', err_log)
error_cd = [codes[1] or codes[0] for codes in error_st_cd]

for i, cd in enumerate(error_cd):
    print(f'{i+1}. {cd}')

输出：

1. 3535
2. 2631
3. 2631
4. 7547

Answer 2

regex方法可能确实更容易，但无论如何，下面是regex的w/o方法：

test_string = """
1. SQLSTATE: 22018, SQLCODE: 3535.
2. SQLSTATE: 40001, SQLCODE: 2631 Session Id           629709103
3. SQLSTATE: 40001, SQLCODE: 2631                Session Id  594700603
4. SQLSTATE: T7547, SQLCODE:   754Session Id613234380
""".strip()


def process_lines(s: str):
    for line in s.split('\n'):
        sql_code = ''.join(take_nums(line.split('SQLCODE: ', 1)[-1]))
        if len(sql_code) == 4:
            yield sql_code
        else:
            sql_state = ''.join(take_nums(line.split('SQLSTATE: ', 1)[-1][1:]))
            yield sql_state


def take_nums(s: str):
    """take from string only while we get space or numeric chars"""
    for c in s:
        if c.isnumeric():
            yield c
        elif not c.isspace():
            break


for i, line in enumerate(process_lines(test_string), 1):
    print(f'{i}. {line!r}')

结果：

1. '3535'
2. '2631'
3. '2631'
4. '7547'