本文介绍如何用 Python 的 re 模块（启用多行模式）配合负向先行断言，可靠分割具有固定分隔符（19个等号）的三行头日志文件，准确提取每条记录的标题行和后续多行正文内容。
本文介绍如何用 python 的 `re` 模块（启用多行模式）配合负向先行断言，可靠分割具有固定分隔符（19个等号）的三行头日志文件，准确提取每条记录的标题行和后续多行正文内容。
在解析结构化程度中等的日志文件时，常见一种“三行头 + 多行正文”的模式：以 =================== 作为段落起止标记，紧随其后是形如 2024-05-20 14:32:18 - User login failed 的摘要行，再跟一个空行及若干业务文本行。这种格式看似规整，但若直接用贪婪匹配或简单换行符切分，极易因正文含空行、跨段边界误匹配等问题导致解析失败。
核心难点在于：既要严格锚定段首的 19 个等号，又要确保捕获的正文部分不“吃掉”下一个段落的起始分隔符。此时，单纯依赖 .* 或 \n+ 会因贪婪性越界；而重复捕获组（如 (\n.*)+）又会导致仅保留最后一次匹配——这正是原问题中 group 3 为空的根本原因。
✅ 推荐正则表达式（Python 中使用）：
import re
pattern = r'^={19}\n(?!={19}$)(.+)\n={19}((?:\n(?!={19}$).*)*)'
log_content = open('app.log', 'r', encoding='utf-8').read()
# 启用 MULTILINE 模式，使 ^ 和 $ 匹配每行起止
matches = re.findall(pattern, log_content, re.M)
for i, (header, body) in enumerate(matches, 1):
# 去除 body 开头可能的换行（因匹配包含前置 \n）
clean_body = body.lstrip('\n')
print(f"Record{i}Field1: {header.strip()}")
print(f"Record{i}Field2:\n{clean_body.strip()}")
print("-" * 50)
? 表达式关键点解析：
- ^={19}\n：行首精确匹配 19 个 = 后接换行；
- (?!={19}$)：负向先行断言，确保下一行不是另一个 ===================（防止跨段）；
- (.+)：捕获摘要行（DateTimeStamp - ShortSummaryOfEntry），自动去除首尾空白；
- ((?:\n(?!={19}$).*)*)：非捕获组内循环匹配「非段首行」的每一行（含空行），(?:...) 避免嵌套捕获干扰，* 实现多行累积；
- re.M（re.MULTILINE）必不可少：否则 ^ 和 $ 仅匹配整个字符串首尾，无法实现逐行锚定。
⚠️ 注意事项：
- 若日志中存在连续多个空行，该正则仍能正确终止于下一个 ===================，因其依赖的是「行内容」而非「空行数量」；
- 实际应用中建议先用 re.compile(pattern, re.M) 编译正则对象以提升性能；
- 对超大日志文件，可改用 re.finditer() 流式处理，避免一次性加载全部内容到内存；
- 若摘要行末尾有不可见字符（如 \r），可在 header.strip() 前统一用 .replace('\r', '') 清理。
该方案已在真实运维日志中稳定运行，成功支撑后续导入 SQLite/PostgreSQL 等数据库的 ETL 流程。只要段落边界清晰、摘要格式一致，即可零配置复用——真正实现“写一次，跑多年”。
