使用正则表达式拆分为列

Question

我迫切需要帮助，我想使用regex（python）将数据拆分为列，必须使用正则表达式

Jan  9 01:04:49 syntax sshd(pam_unix)[21354]: authentication failure; logname= uid=0 euid=0 tty=NODEVssh ruser= rhost=120-123-141-4.hinet-ip.hinet.com  

Jul 10 04:17:11 syntax su(pam_unix)[95367]: session opened for user abc by (uid=0)

May  1 14:06:19 syntax su(pam_unix)[95367]: session closed for user abc

Oct 23 18:08:26 syntax logrotate: ALERT exited abnormally with [1]

Jun 14 21:42:52 syntax su(pam_unix)[95367]: session opened for user cbx by (uid=0)

假定的输出

“>

实际上来自URL，我将其制成pandas dataFrame，并尝试使用re.split，但它给了我错误

*ValueError: 1 columns passed, passed data had 24 columns*
希望我能得到我需要的输出吗？

我迫切需要帮助，我希望使用regex（python）将其拆分成几列，必须使用正则表达式Jan 9 01:04:49语法sshd（pam_unix）[21354]：authentication。 ..

Answer 1

所以您可以像这样创建一个命名的正则表达式，

Answer 2

下面的正则表达式可以分割语句。必填列将在捕获组中。

Answer 3

刚开始时，“必须使用正则表达式”毫无道理没有任何意义-出于您的目的，找出几个拆分将变得更快，并且可能类似于它的健壮性。话虽这么说...

Answer 4

如下使用正则表达式

Answer 5

您需要将以下正则表达式模式与pandas.Series.str.findall()一起使用，以快速，轻松地获取它。

# regex pattern
pattern = '\s*(\w{3}\s+\d{1,2}\s+\d{2}:\d{2}:\d{2})\s+(\S+)\s+(\S+?:)\s+(.*)'

# read log file
df = pd.read_csv('logfile.txt', header=None).rename(columns={0: 'logline'})
# process data
ds = df.logline.str.strip().str.findall(pattern)
a = np.array([list(e) for e in ds]).reshape(ds.size,-1)
# finalize processed data as a dataframe
df = pd.DataFrame(a, columns=['Timestamp', 'A1', 'A3', 'A3'])
print(df)