正则表达式，用于根据长度过滤单词或在Python中排除单词

Question

我一直在努力想办法解决这个问题，但由于我在regex是个新手，我一直没能做到。我需要选择一些telnet输出的正确行，如下所示：

systemstatus get resume    # line to exclude
systemstatus get idle      # line to filter
systemstatus get talking   # line to filter
systemstatus get ringing   # line to filter
systemstatus get outgoing  # line to filter
systemstatus get sleeping  # line to filter

如你所见，我需要排除一个与简历和选择所有其他。所以我知道我可以按长度过滤，但我只知道如何过滤比某物大的长度，而不是许多长度。例如："systemstatus get \w{7,}"将排除resume行，但也排除idle行。所以实际上我需要能过滤4，7和8的长度。在

有人知道怎么做吗？在

注意：由于telnet库的原因，这必须在regex中完成。

注2：由于是telnet，所以当systemstatus get resume出现时，我必须继续阅读（这就是我所说的“排除”），而不是像{}出现时那样停止阅读。因此，通过“systemstatus get WHATEVER”过滤然后排除“resume”将在“resume”出现时停止读取。我正在使用telnet库的telnet.expect([], timeout)。在

Answer 1

虽然正则表达式功能强大，但实际上并不需要正则表达式，只需拆分、应用和组合即可：

text = """
systemstatus get resume    # line to exclude
systemstatus get idle      # line to filter
systemstatus get talking   # line to filter
systemstatus get ringing   # line to filter
systemstatus get outgoing  # line to filter
systemstatus get sleeping  # line to filter
"""

lines = "\n".join([line for line in text.split("\n") 
                  if line and not "resume" in line])
print(lines)

这就产生了

^{pr2}$

除非您碰巧没有systemstatusresumesystem get idle（意思是resume没有任何单词边界）这样的文本，否则就不需要正则表达式引擎的开销。

---

时间不同方法（每种10万）产生收益

print(timeit.timeit(noregex, number=10**5))
# 0.28622116599945 s

print(timeit.timeit(regex, number=10**5))
# 0.5753898609982571 s

所以非正则表达式的解只需要一半的时间。在

Answer 2

使用零宽度负前瞻（(?!resume(?:\s|$))）来确保resume不在systemstatus get之后：

^systemstatus get (?!resume(?:\s|$)).*$

Demo

Answer 3

选项1
用re.MULTILINE开关调用re.findall。在

matches = re.findall(r"systemstatus get \b(?:\w{4}|\w{7,8})\b", t, re.M)

它以字符串列表的形式返回每个匹配项。在

正则表达式详细信息

^{pr2}$

因为你的要求，我们这里按字号匹配-

I need something that filters lengths of 4, 7 and 8.

---

选项2
将多行字符串拆分为单独的行，遍历每一行并调用re.match

matches = []

for line in t.splitlines():
    if re.match(r"systemstatus get \b(?:\w{4}|\w{7,8})\b", line):
        matches.append(line)