Question

我正在尝试解析设备日志，但是格式不一致

示例：

Roam candidate# 9 F4:CF:E2:5E:73:3F on channel 161  RSSI: -70

Roam candidate#10 F4:CF:E2:62:02:2F on channel 11  RSSI: -70

我要提取Mac地址，频道和RSSI值
不幸的是，候选值变为10或更高后，该空格被省略。

我尝试将其标记化，但是我几乎不了解该过程

def clean(string):
    result = ""
    for i,char in enumerate(line):
        if char == " ":
            if string[i+1].isdigit() or string[i+1] == " ":
                continue
        result += char
    return result

def tokenize(string):
    result = []
    previous = 0
    for i,char in enumerate(string):
        if char == " ":
            result.append(string[previous:i])
            previous = i+1
        elif i == len(string)-1:
            result.append(string[previous:i+1])
    return result

我只得到最后一列（RSSI）作为输出

Answer 1

如果要使用模式，则可以使用3个捕获组，其中1个用于mac地址，1个用于通道以及1个用于RSSI值：

Roam candidate# ?\d+ ((?:[0-9A-Fa-f]{2}[:-]){5}(?:[0-9A-Fa-f]){2}) on channel (\d+) +RSSI: (-?\d+)

在较小的部分：

Roam candidate# ?\d+匹配漫游候选号，可选空格和1个以上的数字
((?:[0-9A-Fa-f]{2}[:-]){5}(?:[0-9A-Fa-f]){2})捕获组1，匹配mac地址
on channel (\d+) +匹配频道上的，空格，然后捕获第2组1个以上的数字
RSSI: (-?\d+)匹配 RSSI：，在第3组中空格并捕获一个可选的-和一个1+位数字

Regex demo | Python demo

例如

import re

strings = ["Roam candidate# 9 F4:CF:E2:5E:73:3F on channel 161  RSSI: -70", "Roam candidate#10 F4:CF:E2:62:02:2F on channel 11  RSSI: -70"]
regex = r"Roam candidate# ?\d+ ((?:[0-9A-Fa-f]{2}[:-]){5}(?:[0-9A-Fa-f]){2}) on channel (\d+) +RSSI: (-?\d+)"
for s in strings:
    print(re.findall(regex, s, re.M))

结果

[（'F4：CF：E2：5E：73：3F'，'161'，'-70'）]

[（'F4：CF：E2：62：02：2F'，'11'，'-70'）]

Answer 2

简单一些可能会更好

r"(?i)([a-f0-9]{2}(?::[a-f0-9]{2})+)\s.*?\s(\d+)\s.*?\s(-?\d+)"

https://regex101.com/r/smcjY5/1

扩展

 (?i)
 (                             # (1 start)
      [a-f0-9]{2} 
      (?: : [a-f0-9]{2} )+
 )                             # (1 end)
 \s .*? \s 
 ( \d+ )                       # (2)
 \s .*? \s 
 ( -? \d+ )                    # (3)

Answer 3

使用正则表达式可以这样工作：

import re
s1="Roam candidate# 9 F4:CF:E2:5E:73:3F on channel 161 RSSI: -70"
s2="Roam candidate#10 F4:CF:E2:62:02:2F on channel 11 RSSI: -70"

patt= re.compile('(?P<mac>[0-9A-F]{2}(:[0-9A-F]{2}){5}).*?channel (?P<channel>[0-9]*).*?RSSI:\s*(?P<rssi>-?[0-9]*)', re.I)

matcher= patt.search(s1)

print(matcher.group('mac'))
print(matcher.group('channel'))
print(matcher.group('rssi'))

这将返回：

F4:CF:E2:5E:73:3F
161
-70

第二行：

F4:CF:E2:62:02:2F
11
-70

Answer 4

另一种正则表达式方法：

import re

lines = '''Roam candidate# 9 F4:CF:E2:5E:73:3F on channel 161  RSSI: -70
Roam candidate#10 F4:CF:E2:62:02:2F on channel 11  RSSI: -70'''

pat = re.compile(r'(?<=#)\s*\d+\s+((?:[A-F0-9]{2}:){5}[A-F0-9]{2}) .*channel\s+(\d+)\s+RSSI:\s+(-?\d+)', re.I)
for line in lines.split('\n'):
    print(pat.findall(line))

输出：

[('F4:CF:E2:5E:73:3F', '161', '-70')]
[('F4:CF:E2:62:02:2F', '11', '-70')]

用多种字符串格式解析挑战

4 个答案: