r语言 - 解析 - 添加捕获组

Question

我正在尝试使用一个相当复杂的REGEX表达式(请参阅下面的REGEX101演示(，我从本网站专家创建的表达式中略微修改了该表达式。它解析日志事件的特定模式：

• 1EXE_IN1EXE_CO2CONTENT_ACCESS3CONTENT_ACCESS

这些日志序列将始终以随机选择的EXE_IN或EXE_CO事件(序列号之前(开头。这些选择可以是任意数字、任何顺序。在这种情况下，我们只有两个EXE事件，但这可能是 200。或 1.请注意，有一个序列号，我们需要捕获它。

序列的第二部分将始终是一系列数字前缀CONTENT.ACCESS事件。长度再次从 1 到无穷大。

下面的演示展示了一个工作示例，并且可能比我更好地传达了这个概念： 演示 1

它可以很好地捕获单独组中的完整匹配项、序列号和事件。

我需要在模式中添加一个时间戳(在序列号之后，前面有一个下划线(，然后解析这个事件日志，例如

2014-08-11

• 2014-08-23：03EXE_IN1_11 2014-08-23：03EXE_CO2_12 2014-08-09：17CONTENT_ACCESS3_13 09：17CONTENT_ACCESS

我还需要捕获时间戳。

我试图调整正则表达式，结果好坏参半。请看这个演示：demo2

理想情况下，我希望为每个事件看到这样的东西：

Match n
Full match  266-308 `2_12/08/2014 09:17CONTENT_ACCESS`
Group 1. 266-267    `2`
Group 2. 268-284    `12/08/2014 09:17`
Group 3. 284-308    `CONTENT_ACCESS`

我希望你能帮助我。REGEX101 pcre测试就足够了(作为记录，我在R中使用了与perl兼容的str_match_all_perl函数(。

提前非常感谢。

Answer 1

(d+)_(.*?)(EXE_CO|EXE_IN|CONTENT_ACCESS)

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

由于评论，它已更改为(?:G(?!^)(?(?=d+_d{2}/d{2}/d{4}sd{2}:d{2}(?:EXE_CO|EXE_IN))(?<!d_d{2}/d{2}/d{4}sd{2}:d{2}CONTENT_ACCESS))|(?=(?:d+_d{2}/d{2}/d{4}sd{2}:d{2}(?:EXE_CO|EXE_IN))+(?:d+_d{2}/d{2}/d{4}sd{2}:d{2}CONTENT_ACCESS)+))(d+)_(d{2}/d{2}/d{4}sd{2}:d{2})(EXE_CO|EXE_IN|CONTENT_ACCESS)

https://regex101.com/r/EHHcKm/3

Ans 还有另一个版本，它更短(?:G(?!^)(?(?=d+_.{16}(?:EXE_CO|EXE_IN))(?<!d_.{16}CONTENT_ACCESS))|(?=(?:d+_.{16}(?:EXE_CO|EXE_IN))+(?:d+_.{16}CONTENT_ACCESS)+))(d+)_(.{16})(EXE_CO|EXE_IN|CONTENT_ACCESS)

https://regex101.com/r/EHHcKm/4

甚至更短(?:G(?!^)(?(?=d+_.{16}E)(?<!S))|(?=(?:d+_.{16}(?:EXE_CO|EXE_IN))+d+_.{16}C))(d+)_(.{16})(EXE_CO|EXE_IN|CONTENT_ACCESS)

https://regex101.com/r/EHHcKm/5

而且超短(?:G|(?=d+_.{16}E.*CON))(d+)_(.*?)(EXE_CO|EXE_IN|CONTENT_ACCESS)

https://regex101.com/r/EHHcKm/8