Python 正则表达式实战：解析系统登录与进程信息

正则表达式（Regular Expression，简称 regex）是处理文本数据的重要工具，尤其在系统日志分析、数据提取、格式转换等场景中发挥着不可替代的作用。本文将以两个典型的系统命令 who 和 tasklist 为例，深入解析如何使用 Python 正则表达式从非标准格式的输出中提取结构化数据。

---

🧩 一、问题背景：解析 who 命令输出

在 POSIX 系统（如 Linux 或 macOS）中，who 命令用于显示当前登录系统的用户信息，其输出如下所示：

wesley console Jun 20 20:33
wesley pts/9 Jun 22 01:38 (192.168.0.6)
wesley pts/1 Jun 20 20:33 (:0.0)

我们希望提取以下字段：

• 登录用户名
• 终端类型（如 pts/9）
• 登录时间
• 登录来源（可选，如 IP 地址或本地显示）

❗挑战点

• 空格数量不一致（\s 不稳定）
• 每行数据中包含多个空格或制表符
• 行尾可能存在换行符或制表符干扰

✅解决方案：使用 re.split(r'\s\s+', line) 分割字段

import re
 
with open('whodata.txt', 'r') as f:
    for line in f:
        fields = re.split(r'\s\s+', line.rstrip())
        print(fields)

🧠技巧说明：

• r'\s\s+'：匹配两个或更多空白符（包括空格、制表符等）
• line.rstrip()：去除行尾的换行符 \n
• 使用 with 上下文管理器确保文件正确关闭

---

🧩 二、深入解析：从 tasklist 提取 Windows 进程信息

在 Windows 系统中，tasklist 命令用于显示当前运行的进程信息，输出如下：

Image Name                   PID Session Name        Session#    Mem Usage 
========================= ====== ================ ======== ============
System Idle Process            0 Console                 0         28 K
System                         4 Console                 0        240 K
smss.exe                     708 Console                 0        420 K

我们希望提取：

• 进程名称（如 System Idle Process）
• PID（进程 ID）
• 内存使用（如 28 K）

❗挑战点

• 进程名称中包含空格（如 System Idle Process）
• 列之间仅使用单个空格分隔（PID Session Name）
• 内存使用格式不统一（如 4,876 K）

✅解决方案：使用正则表达式匹配完整行结构

import re
import os
 
pattern = r'^(.+?)\s+(\d+)\s+\S+\s+\d+\s+(\d+,\d+ K|\d+ K)$'
 
with os.popen('tasklist /nh') as f:
    for line in f:
        match = re.match(pattern, line.strip())
        if match:
            print(match.groups())

🧠技巧说明：

• 使用 ^ 和 $ 匹配整行
• 使用非贪婪 .+? 匹配进程名
• 使用 \d+ 匹配数字
• 处理内存格式的可选逗号（如 4,876 K）
• 使用 os.popen() 直接调用系统命令，避免手动保存文件

---

🎯 三、正则表达式的强大功能总结

正则表达式不仅限于简单匹配和分割，还可以实现：

功能	正则表达式示例	说明
分割字段	re.split(r'\s\s+', line)	处理不一致的空白符
提取字段	re.match(r'(\w+)\s+(\d+)', line)	使用分组提取关键信息
忽略大小写	re.IGNORECASE	匹配不区分大小写的字段
多行匹配	re.MULTILINE	匹配多行文本中的每一行
非贪婪匹配	.*?	避免匹配过长的内容

---

💡 四、构建通用脚本：兼容 Python 2 与 Python 3

为了兼容 Python 2 和 3，可以使用以下技巧：

• 使用 from __future__ import with_statement 启用 with 语句
• 使用 distutils.log.warn() 替代 print()（适用于 Python 2 和 3 的兼容输出）
• 使用条件判断区分 Python 版本

import sys
if sys.version_info[0] < 3:
    from distutils.log import warn as printf
else:
    printf = print 

---

🚀 五、应用场景拓展：从日志中提取结构化数据

正则表达式不仅适用于命令行输出解析，还可以广泛应用于：

• Web 日志分析（如访问日志、错误日志）
• 数据清洗与格式转换
• 网络爬虫提取特定字段
• 配置文件解析（如 .ini、.conf）

🧪 示例：从日志文件中提取 IP 地址

log_line = '192.168.0.1 - - [22/Feb/2023:14:30:00] "GET /index.html HTTP/1.1" 200 1024'
ip = re.search(r'(\d+\.\d+\.\d+\.\d+)', log_line)
if ip:
    print("IP Address:", ip.group())

---

📌 六、结语：正则是文本处理的基石

正则表达式是每一位 Python 开发者必须掌握的核心技能之一。它不仅帮助我们从非结构化数据中提取有用信息，还提升了脚本的自动化与智能化水平。

通过本文的 who 和 tasklist 示例，我们掌握了：

• 如何使用正则表达式处理不规则的空白符
• 如何构建可复用、可扩展的脚本
• 如何在不同操作系统和 Python 版本之间保持兼容性
• 如何将正则应用于更广泛的文本处理场景

掌握这些技能，将使你在系统管理、数据分析、自动化运维等领域如虎添翼。

---