如何使用一个正则表达式命令解析多行?

Question

我有两行看起来像

Content-Type: text/plain
Content-Type: text/plain; charset=UTF-8

为了解析，我使用了类似("^Content-Type:s(.*)")的命令来捕获(text/plain)部分。另一方面，我使用像("^Content-Type:s(.*)[;]")这样的正则表达式来捕获相同的字符串(text/plain)。有什么方法可以使用在两种情况下都有效的方法吗？我正在使用python，我是正则表达式的新手。谢谢

Answer 1

你可以稍微修改一下你的正则表达式：

Content-Type:s([^;s]*)

这是一个工作链接：正则表达式101

Answer 2

看起来您正在寻找?量词(文档中列表中排名第 6(。它将允许尾随部分出现一次或根本不出现，涵盖两种情况：

^

内容类型：\s+([^;]+((？：;.*)?

以下是我建议的更改：

• 不要捕获捕获组中的.。*是贪婪的，所以你有时会得到不需要的字符：例如，如果你在字符串中有两个分号，第一个会被捕获。相反，捕获[^;]，这意味着"除分号以外的任何内容"。
• 将主 catpure 组中的量词从*更改为+。您希望至少匹配一个字符，这就是+表达的内容。
• 为了安全起见，我还会将+量词添加到前面的s中。如果发生这种情况，它将允许您匹配多个空格。
• 将匹配;的部分放入非捕获组(以(?:开头的组。这允许您对其应用?量词。

正如@RudyTheHunter间接指出的那样，如果你使用普通re.match，你根本不需要分号后面的前导^或尾随部分，因为match在字符串的开头看起来。

因此，您可以只使用

Content-Type:s+([^;]+)

Answer 3

正如我在评论中所说，正则表达式对于如此简单的匹配来说是矫枉过正的，所以为了完整起见：

def parse_content_type(data):
if data.lower()[:13] == "content-type:":  # HTTP headers are case-insensitive by spec.
index = data.find(";")  # find the position of `;`
return data[13:index if index > -1 else len(data)].strip()  # slice and strip
print(parse_content_type("Content-Type: text/plain"))  # text/plain
print(parse_content_type("Content-Type: text/plain; charset=UTF-8"))  # text/plain

它更冗长，但从理论上讲，它应该更快。