Python 正则表达式跨越多行

Question

我正在使用Python和Pexpect从一些思科设备中收集一些信息，并且在提取棘手的小项目时，已经取得了很大的成功。但是，我担心我在这方面遇到了难题。有些交换机会堆叠在一起，我已经在脚本中识别出这一点，并使用单独的例程来解析数据。如果交换机被堆叠，则会看到以下内容（从sho ver输出中提取）

Top Assembly Part Number        : 800-25858-06
Top Assembly Revision Number    : A0
Version ID                      : V08
CLEI Code Number                : COMDE10BRA
Hardware Board Revision Number  : 0x01


Switch   Ports  Model              SW Version              SW Image
------   -----  -----              ----------              ----------
*    1   52     WS-C3750-48P       12.2(35)SE5             C3750-IPBASE-M  
     2   52     WS-C3750-48P       12.2(35)SE5             C3750-IPBASE-M
     3   52     WS-C3750-48P       12.2(35)SE5             C3750-IPBASE-M
     4   52     WS-C3750-48P       12.2(35)SE5             C3750-IPBASE-M


Switch 02 
---------
Switch Uptime                   : 11 weeks, 2 days, 16 hours, 27 minutes
Base ethernet MAC Address       : 00:26:52:96:2A:80
Motherboard assembly number     : 73-9675-15

当我遇到这种情况时，我需要从4个表格中提取每个开关的编号和型号（可以忽略sw，但是可能有1到9个开关）。多行的问题让我感到困扰，我已经处理好了其余部分。有什么建议吗？

抱歉，我的正则表达式只是从最后一组“-”开始查找，然后我就不知道该怎么办了！ -{10]\s-{10}(.+)Switch

型号会改变，开关的数量也会改变，我需要捕获此示例中的4行内容。

*    1   52     WS-C3750-48P       12.2(35)SE5             C3750-IPBASE-M  
     2   52     WS-C3750-48P       12.2(35)SE5             C3750-IPBASE-M
     3   52     WS-C3750-48P       12.2(35)SE5             C3750-IPBASE-M
     4   52     WS-C3750-48P       12.2(35)SE5             C3750-IPBASE-M

但每个交换机可能是不同的型号，数量在1到9之间。对于这个例子，我希望得到以下结果：

*,1,WS-C3750-48P
,2,WS-C3750-48P
,3,WS-C3750-48P
,4,WS-C3750-48P  

（星号表示主节点）但是获取这些行将使我走上正确的轨道。

- user225882

---

你可以发一下你尝试过的正则表达式代码吗？我不确定我完全理解你想要得到什么。 - Tom

Answer 1

为了使 . 匹配包括换行符在内的任何字符，请在编译正则表达式时使用re.DOTALL 选项（请记住，如果您有多个选项，请使用位或运算符 | 将它们组合起来）。

在这种情况下，我不确定您是否实际上需要这样做-为什么不尝试像...这样的东西呢？

re.findall(r'(\d+)\s+\d+\s+(WS-\S+)')

假设你用 WS- 来识别“模型”？findall 的结果之间有换行并不影响。你能详细说明一下如何识别“模型”，以及为什么“多行模式”会成问题吗？也许你需要使用 re.MULTILINE，让 ^ 在每一行开头匹配，以便通过引用行的开头来获取数据...？

- Alex Martelli

---

Alex，你又赶我一步了:-)。多行正则表达式的关键是re.DOTALL（这很令人困惑，因为你会认为它是re.MULTILINE）。但是，正如他指出的那样，在这种情况下，你不需要它，因为你要提取的数据在自己的行上:-)。此外，我喜欢alex使用\s+，表示一个或多个空格字符。还有一件事我可能会添加...我通常喜欢给我的组命名：(?P<model>WS-\S+)。 - Tom

嗯，你可能是对的 - 我会尝试一下然后回复你，但是由于我在英国，明天才能给你回复。非常感谢你的时间。 - user225882

Answer 2

x="""Top Assembly Part Number        : 800-25858-06
Top Assembly Revision Number    : A0
Version ID                      : V08
CLEI Code Number                : COMDE10BRA
Hardware Board Revision Number  : 0x01


Switch   Ports  Model              SW Version              SW Image
------   -----  -----              ----------              ----------
*    1   52     WS-C3750-48P       12.2(35)SE5             C3750-IPBASE-M
     2   52     WS-C3750-48P       12.2(35)SE5             C3750-IPBASE-M
     3   52     WS-C3750-48P       12.2(35)SE5             C3750-IPBASE-M
     4   52     WS-C3750-48P       12.2(35)SE5             C3750-IPBASE-M


Switch 02
---------
Switch Uptime                   : 11 weeks, 2 days, 16 hours, 27 minutes
Base ethernet MAC Address       : 00:26:52:96:2A:80
Motherboard assembly number     : 73-9675-15"""

>>> import re
>>> re.findall("^\*?\s*(\d)\s*\d+\s*([A-Z\d-]+)",x,re.MULTILINE)
[('1', 'WS-C3750-48P'), ('2', 'WS-C3750-48P'), ('3', 'WS-C3750-48P'), ('4', 'WS-C3750-48P')]

更新: 因为原问题已被编辑，感谢Tom指出+号的问题。

>>> re.findall("^(\*?)\s+(\d)\s+\d+\s+([A-Z\d-]+)",x,re.MULTILINE)
[('*', '1', 'WS-C3750-48P'), ('', '2', 'WS-C3750-48P'), ('', '3', 'WS-C3750-48P'), ('', '4', 'WS-C3750-48P')]
>>>

- YOU

---

+1 是因为我认为你很快地回答了这个问题 :-). 但是，为了清理一下...我会使用\s+而不是\s*。此外，在这种情况下，re.MULTILINE没有什么重要性。我相信你的解决方案可以在没有它的情况下正常工作 :-). - Tom

@Tom，嗯，你需要多行IF来匹配^的开头，就像我在我的答案中详细说明的那样--我不确定是否有必要与行首同步，这取决于如何识别“模型”。 - Alex Martelli

嗯，你上面的代码看起来没问题，但是你只解析了表格。你使用的字符串在一堆其他文本（请参见原始帖子）的中间，而表格则在其中间。我的数据上下可能有50行。 - user225882

顺便提一下，模型始终会以WS-开头。 - user225882

好的，我不确定它是否总是以WS-开头，我要更新一下。 - YOU

啊，这和Alex的答案完全一样，所以我不会更新它，相反请接受Alex的答案。谢谢。 - YOU