Question

my $genlog_line_1= qr{
   \A
   (?:(\d{6}\s+\d{1,2}:\d\d:\d\d|\d{4}-\d{1,2}-\d{1,2}T\d\d:\d\d:\d\d\.\d+(?:Z|-?\d\d:\d\d)?))? # Timestamp
   \s+
   (?:\s*(\d+))                     # Thread ID
   \s
   (\w+)                            # Command
   \s+
   (.*)                             # Argument
   \Z
}xs;

my $line = "2018-12-14T17:32:52.236100+08:00        477637459 Query SELECT dv.mandatory,dv.optional FROM dbversion dv";

my ($ts, $thread_id, $cmd, $arg) = $line =~ m/$genlog_line_1/;

print $ts, $thread_id, $cmd, $arg;

为什么正则表达式不匹配？我期望的是：

Timestamp 2018-12-14T17:32:52.236100
thread_id 477637459 
cmd Query 
arg  SELECT dv.mandatory,dv.optional FROM dbversion dv

Answer 1

您在输入中输入了+08:00，但是在-?中的(?:Z|-?\d\d:\d\d)?仅说明了一个负值或无符号的值。

因此，在第一个正则表达式行上，应将-?替换为[+-]?，以匹配可选的- 或 +。另外，由于+08:00部分不应该属于组1，因此我建议使用分支重置组 (?|...|...)将组内的不同部分捕获到同一组中，第1组：

(?|(\d{6}\s+\d{1,2}:\d\d:\d\d)|(\d{4}-\d{1,2}-\d{1,2}T\d\d:\d\d:\d\d\.\d+)(?:Z|[-+]?\d\d:\d\d)?)?
 ^^^                         ^ ^                                         ^     ^^^^

固定模式：

my $genlog_line_1= qr{
   \A
   (?|(\d{6}\s+\d{1,2}:\d\d:\d\d)|(\d{4}-\d{1,2}-\d{1,2}T\d\d:\d\d:\d\d\.\d+)(?:Z|[-+]?\d\d:\d\d)?)? # Timestamp
   \s+
   (?:\s*(\d+))                     # Thread ID
   \s
   (\w+)                            # Command
   \s+
   (.*)                             # Argument
   \Z
}xs;

请参见regex demo。

请注意，如果输入中始终存在TIMESTAMP，则在分支复位组之后的?可能不是必需的。

Answer 2

您的正则表达式的主要问题是它没有考虑到+08:00中存在的$line。

将其更改为：

\A(?:(\d{6}\s+\d{1,2}:\d\d:\d\d|\d{4}-\d{1,2}-\d{1,2}T\d\d:\d\d:\d\d\.\d+(?:Z|-?\d\d:\d\d)?))?(?:\+\d\d:\d\d)?\s+(?:\s*(\d+))\s+(\w+)\s+(.*)\Z

演示：

https://regex101.com/r/fgRCv1/3

为什么此正则表达式不匹配？

2 个答案: