如何从未格式化的字符串中分离出字符串

Question

我有这种格式的字符串

 2013-06-05T11:01:02.955 LASTNAME=Jone FIRSTNAME=Jason PERSONNELID=salalm QID=231412 READER_NAME="CAZ.1 LOBBY LEFT TURNSTYLE OUT" ACCESS_TYPE="Access Granted" EVENT_TIME_UTC=1370480141.000 REGION=UTAH

其中一些看起来像这样

 2013-06-05T11:15:48.670 LASTNAME=Ga FIRSTNAME="Je " PERSONNELID=jega QID=Q10138202 READER_NAME="CAZ.1 ELEVATOR LOBBY DBL GLASS" ACCESS_TYPE="Access Granted" EVENT_TIME_UTC=1370481333.000 REGION=UTAH

我想提取PERSONNELID，REGION，ACCESS_TYPE，EVENT_TIME_UTC的值

我本打算使用split（“”），但是READER_NAME和ACCESS_TYPE值有很多空格，我可以转换为JSON并按键搜索

提取那些字符串的方法是什么。

Answer 1

我过去发现有用的一种技巧是使用shlex.split：>>> s = '2013-06-05T11:01:02.955 LASTNAME=Jone FIRSTNAME=Jason PERSONNELID=salalm QID=231412 READER_NAME="CAZ.1 LOBBY LEFT TURNSTYLE OUT" ACCESS_TYPE="Access Granted" EVENT_TIME_UTC=1370480141.000 REGION=UTAH'>>> split = shlex.split(s)>>> split['2013-06-05T11:01:02.955', 'LASTNAME=Jone', 'FIRSTNAME=Jason', 'PERSONNELID=salalm', 'QID=231412', 'READER_NAME=CAZ.1 LOBBY LEFT TURNSTYLE OUT','ACCESS_TYPE=Access Granted', 'EVENT_TIME_UTC=1370480141.000', 'REGION=UTAH']然后我们可以将其变成字典：>>> parsed = dict(k.split("=", 1) for k in split if '=' in k)>>> parsed{'EVENT_TIME_UTC': '1370480141.000', 'FIRSTNAME': 'Jason', 'LASTNAME': 'Jone', 'REGION': 'UTAH', 'ACCESS_TYPE': 'Access Granted', 'PERSONNELID': 'salalm', 'QID': '231412', 'READER_NAME': 'CAZ.1 LOBBY LEFT TURNSTYLE OUT'}正如@abarnert指出的那样，您可以根据需要保留更多信息：>>> dict(k.partition('=')[::2] for k in split){'2013-06-05T11:01:02.955': '', 'EVENT_TIME_UTC': '1370480141.000', 'FIRSTNAME': 'Jason', 'LASTNAME': 'Jone', 'REGION': 'UTAH', 'ACCESS_TYPE': 'Access Granted', 'PERSONNELID': 'salalm', 'QID': '231412', 'READER_NAME': 'CAZ.1 LOBBY LEFT TURNSTYLE OUT'}等等。正如他很好地指出的那样，关键点在于，您所显示的语法看起来非常类似于最小化Shell语法。OTOH，如果违反了您在其他地方显示的模式，则您可能希望回过头来编写自定义解析器。该shlex方法适用时很方便，但没有您想要的健壮性。

Answer 2

让我们分析问题：您要匹配四个标识符之一，然后是一个=符号，然后是带引号的字符串或一系列非空格字符。对于正则表达式而言，这是一项完美的工作：>>> s= ' 2013-06-05T11:01:02.955 LASTNAME=Jone FIRSTNAME=Jason PERSONNELID=salalm QID=231412 READER_NAME="CAZ.1 LOBBY LEFT TURNSTYLE OUT" ACCESS_TYPE="Access Granted" EVENT_TIME_UTC=1370480141.000 REGION=UTAH'>>> import re>>> regex = re.compile(r"""\b(PERSONNELID|REGION|ACCESS_TYPE|EVENT_TIME_UTC)...                        =...                        ("[^"]*"|\S+)""", re.VERBOSE)>>> result = regex.findall(s)>>> result[('PERSONNELID', 'salalm'), ('ACCESS_TYPE', '"Access Granted"'),  ('EVENT_TIME_UTC', '1370480141.000'), ('REGION', 'UTAH')]>>> dict(result){'EVENT_TIME_UTC': '1370480141.000', 'PERSONNELID': 'salalm',  'ACCESS_TYPE': '"Access Granted"', 'REGION': 'UTAH'}解释：\b确保匹配从单词边界开始。"[^"]*" 匹配引号，后跟任意数量的非引号字符和另一个引号。\S+ 匹配一个或多个非空白字符。通过将正则表达式的“有趣”部分括在括号中，建立捕获组，您可以分别获得匹配项各部分的元组列表。