命令行与文本处理 / 系统课时

字符串结尾匹配

字符串结尾匹配

筛选以 SUCCESS 结束的日志行,或验证以 .json 结尾的文件名时,普通关键词搜索可能误收中间位置的匹配。本课使用 Python 正则表达式的结尾锚点 $ 限定匹配位置,并通过可运行示例处理多行文本、扩展名大小写和末尾换行等边界。

学习目标

  • 理解 $ 和 \Z 的匹配位置及区别。
  • 使用 re.MULTILINE 匹配多行文本中的行尾内容。
  • 正确匹配文件扩展名,并处理大小写和最终换行。

结尾锚点的匹配规则

结尾锚点用于限制匹配出现的位置,本身不消费任何字符。Python 正则表达式提供两种需要区分的结尾判断方式:

  • $:默认匹配字符串末尾,也可以匹配字符串最后一个 \n 之前的位置。
  • \Z:只匹配整个字符串的绝对末尾,不允许后面还有换行符。

例如,SUCCESS$ 能匹配 PAYMENT SUCCESS,但不能匹配 PAYMENT SUCCESS WARNING。如果输入是 SUCCESS\n,其中 \n 表示换行符,SUCCESS$ 仍然匹配成功,因为 $ 允许位于最后一个换行符之前。

如果业务要求状态词后面绝对没有任何字符,包括换行符,应使用 SUCCESS\Z。对于整个字符串都必须满足规则的场景,也可以考虑 re.fullmatch()。

多行模式与行尾

默认情况下,$ 不会将文本内部的每一行都当作独立字符串。启用 re.MULTILINE 后,^ 可以匹配每一行的起始位置,$ 可以匹配每个 \n 之前的位置以及整个字符串的末尾。

因此,模式 ^.*SUCCESS$ 配合 re.MULTILINE,能够提取以 SUCCESS 结束的完整日志行。其中 .* 匹配同一行中的其他字符,默认不会跨越换行符。

注意:re.MULTILINE 不等于让点号匹配换行符。是否允许 . 匹配换行符由 re.DOTALL 控制,本例不需要启用。

文件扩展名中的字面点号

正则表达式中的 . 表示匹配除换行符外的任意单个字符。要匹配文件扩展名中的真实点号,必须写成 \.。

因此,\.json$ 表示文件名以字面量 .json 结束。它可以匹配 config.json,但不会匹配 config.json.bak。如果误写成 .json$,还可能把 configxjson 当作合法结果。

Python 默认区分大小写,因此 \.json$ 不匹配 data.JSON。需要忽略大小写时,可以传入 re.IGNORECASE,简写为 re.I。

使用 Python 验证结尾匹配

下面通过一段脚本验证状态词、日志行、文件扩展名和最终换行。示例仅使用 Python 标准库,在 Python 3 环境中即可运行。

将代码保存为 end_anchor.py:

python
import re

samples = [
    "PAYMENT SUCCESS",
    "PAYMENT SUCCESS WARNING",
    "REFUND FAILED",
    "ORDER SUCCESS",
]

status_pattern = re.compile(r"SUCCESS$")
for text in samples:
    print(f"{text}: {status_pattern.search(text) is not None}")

# 多行模式使 ^ 和 $ 分别识别每一行的边界
multiline_text = "A SUCCESS\nB FAILED\nC SUCCESS"
line_pattern = r"^.*SUCCESS$"
success_lines = re.findall(line_pattern, multiline_text, re.MULTILINE)
print(f"成功行:{success_lines}")

# 转义点号,避免误匹配非 .json 后缀
file_pattern = re.compile(r"\.json$")
for name in ["config.json", "config.json.bak", "data.JSON"]:
    print(f"{name}: {file_pattern.search(name) is not None}")

# 比较 $ 与绝对结尾锚点 \Z 的行为
print(f"带最终换行:{re.search(r'SUCCESS$', 'SUCCESS' + chr(10)) is not None}")
print(f"严格末尾:{re.search(r'SUCCESS\Z', 'SUCCESS' + chr(10)) is not None}")
print(f"忽略大小写:{re.search(r'\.json\Z', 'data.JSON', re.I) is not None}")

这里使用 re.search() 判断是否存在符合条件的匹配,返回匹配对象时结果为 True,返回 None 时结果为 False。使用 re.findall() 则可以提取所有满足条件的日志行。

在保存脚本的目录执行:

bash
python end_anchor.py

预期输出:

text
PAYMENT SUCCESS: True
PAYMENT SUCCESS WARNING: False
REFUND FAILED: False
ORDER SUCCESS: True
成功行:['A SUCCESS', 'C SUCCESS']
config.json: True
config.json.bak: False
data.JSON: False
带最终换行:True
严格末尾:False
忽略大小写:True

从输出可以验证:结尾锚点排除了后面还有内容的状态行;多行模式提取出两条成功记录;文件扩展名匹配排除了备份文件和大小写不一致的文件名。

最后三项验证进一步说明,$ 可以接受最后一个换行符,而 \Z 不可以;添加 re.I 后,大写 .JSON 也可以成功匹配。

常见错误与边界处理

忽略输入末尾的换行符

从文件读取文本时,末尾可能保留换行符。使用 SUCCESS$ 验证 SUCCESS\n 仍然返回匹配成功。如果要求绝对结尾,应使用 SUCCESS\Z,不要依赖 $ 进行严格校验。

需要保留原始数据时,不应为了通过校验而直接调用 strip(),因为它还会移除两端的空格等字符,可能改变业务含义。

忽略不同平台的换行格式

Windows 文本经常采用 \r\n,而 re.MULTILINE 的 $ 主要根据 \n 识别行尾。因此,^.*SUCCESS$ 可能无法匹配以 SUCCESS\r\n 结尾的行,因为 SUCCESS 与匹配位置之间还存在 \r。

如果输入混合不同平台的换行格式,可以先统一换行符,或者在模式中允许可选的回车符,例如 ^.*SUCCESS\r?$。前者适合整体文本处理,后者适合需要直接处理原始日志的场景。

固定后缀不一定需要正则

如果只需要判断一个字符串是否以固定后缀结束,Python 字符串方法 endswith() 更直接。例如,name.endswith(".json") 即可判断小写 .json 后缀;name.lower().endswith(".json") 可以忽略 ASCII 扩展名的大小写。

当后缀涉及多个候选模式、可选字符或其他正则规则时,再使用 re.search() 更合适。选择之前应先明确,是验证整个输入的绝对结尾,还是允许文本以换行符结束。

动手练习

  1. 对 app.log、app.log.1、error.log、README 和 DATA.LOG 使用 \.log$ 进行匹配。预期只有 app.log 和 error.log 匹配成功。
  2. 使用 re.IGNORECASE 再次匹配,验证 DATA.LOG 也能通过;然后使用 endswith() 完成同样的固定后缀判断。

实际使用时,匹配日志行尾通常采用 $ 配合 re.MULTILINE;严格验证输入的绝对末尾时采用 \Z;仅判断固定文件后缀时优先考虑 endswith()。

按自己的节奏,确认真正理解。

目录与阅读设置

阅读设置

17

记录一个想法

字符串结尾匹配

0 / 10000 · 笔记保存到账号。未提交的修改会在关闭、离开或刷新后丢失。

登录哪都通