16.正则表达式入门：从日志里找到你要的东西
一、问题背景：100万行日志，找到那行"ERROR"要多久？
FAB每台设备每天产生海量日志，格式如下：
2026-01-15 08:23:45 [INFO] Lot FAB-ETCH-001 started
2026-01-15 08:25:12 [WARN] Pressure spike detected: 52.3 mTorr
2026-01-15 08:30:00 [ERROR] Temperature exceeded 85.5°C limit
2026-01-15 08:35:22 [INFO] Lot FAB-ETCH-001 completed
**工艺工程师要从中找出所有异常事件**。之前怎么做？
- 用Notepad++打开，Ctrl+F搜"ERROR"
- 找到后复制出来，手动统计
- 然后在Excel里做透视表看趋势
**问题**：一天100万行，只说"找到ERROR"不难，但要**把日志里的时间、设备、参数都提取出来做成表格**，手动做2-3小时起步。
用正则（Regular Expression，简称regex）的话：**3秒出活**。
**学完这一篇，你能做到：**
1. 用正则从文本中提取关键信息（时间、编号、数值）
2. 把日志里的数据自动整理成结构化表格
3. 写完一次，以后相同格式的日志直接复用
────────────────────────────────────────
二、技术原理：先搞懂6个符号
很多人觉得正则难，是因为一开始背了50个符号。**其实FAB场景下经常用到的就6个**。
2.1 最常用的6个元字符
| 符号 | 匹配什么 | FAB举例 |
|------|---------|---------|
| `\d` | 数字 (0-9) | `\d{4}` 匹配年份 2026 |
| `\w` | 字母数字下划线 | `\w+` 匹配 FAB_ETCH |
| `.` | 任意字符（换行符除外） | `.*` 匹配整行内容 |
| `*` | 出现0次或多次 | `\d*` 匹配 "数字不出现或出现多次" |
| `+` | 出现1次或多次 | `\d+` 匹配"至少一个数字" |
| `()` | 分组（提取你需要的部分） | `FAB-(\w+)` 只提取ETCH部分 |
2.2 看代码理解
import re
# 最基础的用法：re.search(模式, 文本)
# 在文本中找到第一个匹配
text = "Lot FAB-ETCH-001 started"
# 找数字
result = re.search(r'\d+', text)
print(result.group()) # 001
# 找FAB后面的工艺名
result = re.search(r'FAB-(\w+)', text)
print(result.group(1)) # ETCH（只输出分组中的内容）
# 找Lot ID整体
result = re.search(r'(FAB-\w+-\d+)', text)
print(result.group(1)) # FAB-ETCH-001
**r'' 前面的 r 什么意思？** "raw string"——告诉Python字符串里的 `\d` 是正则表达式符号，不是转义字符。不加 `r` 的话，`\d` 会被Python解释成"删除字符"。写正则时**永远加 `r`**。
2.3 三个最重要的函数
Python的 `re` 模块中，新手只需要记住这3个：
text = "ERROR: Temperature=85.5°C, Pressure=52.3mTorr"
# 1. search() — 找第一个匹配
m = re.search(r'\d+\.?\d*', text) # 找数字（含小数点）
print(m.group()) # 85.5
# 2. findall() — 找所有匹配，返回列表
all_nums = re.findall(r'\d+\.?\d*', text)
print(all_nums) # ['85.5', '52.3']
# 3. finditer() — 找所有匹配，返回迭代器（可遍历）
for m in re.finditer(r'(\w+)=(\d+\.?\d*)', text):
print(f"参数: {m.group(1)}, 值: {m.group(2)}")
# 输出: 参数: Temperature, 值: 85.5
# 参数: Pressure, 值: 52.3
**为什么这样写？** `\d+\.?\d*` 的意思是：至少一个数字，然后可能有小数点，小数点后可能还有数字。这个pattern能匹配85.5也能匹配120，是提取数值最通用的写法。
────────────────────────────────────────
三、实战案例：一步步写日志解析
3.1 第一版：提取基本信息
import re
log = "2026-01-15 08:30:00 [ERROR] Temperature exceeded 85.5°C limit"
# 解析：时间 + 级别 + 消息
pattern = r'(\d{4}-\d{2}-\d{2} \d{2}:\d{2}:\d{2}) \[(\w+)\] (.+)'
m = re.search(pattern, log)
if m:
time = m.group(1) # 2026-01-15 08:30:00
level = m.group(2) # ERROR
msg = m.group(3) # Temperature exceeded 85.5°C limit
print(f"{time} | {level} | {msg}")
**正则解析**：`(\d{4}-\d{2}-\d{2} \d{2}:\d{2}:\d{2})` 匹配"年-月-日 时:分:秒"并用括号分组。`\[(\w+)\]` 匹配方括号里的级别名。`(.+)` 匹配剩下的消息文本。
3.2 第二版：批量处理
# 模拟真实的日志数据
logs = """2026-01-15 08:23:45 [INFO] Lot FAB-ETCH-001 started on chamber_3
2026-01-15 08:25:12 [WARN] Pressure spike detected: 52.3 mTorr
2026-01-15 08:30:00 [ERROR] Temperature exceeded 85.5°C limit
2026-01-15 08:35:22 [INFO] Lot FAB-ETCH-001 completed
2026-01-15 09:15:30 [ERROR] Alignment failed: 28.0 nm offset"""
pattern = r'(\d{4}-\d{2}-\d{2} \d{2}:\d{2}:\d{2}) \[(\w+)\] (.+)'
results = []
for line in logs.strip().split('\n'):
m = re.search(pattern, line)
if m:
results.append({
'time': m.group(1),
'level': m.group(2),
'message': m.group(3)
})
# 统计日志级别
levels = {}
for r in results:
lv = r['level']
levels[lv] = levels.get(lv, 0) + 1
# 找出ERROR日志
errors = [r for r in results if r['level'] == 'ERROR']
print(f"共 {len(results)} 条日志")
print(f"级别分布: {levels}")
print(f"错误日志: {len(errors)} 条")
for e in errors:
print(f" ⚠ {e['time']} - {e['message'][:40]}")
3.3 第三版：提取数值参数
# 从日志中提取所有"参数=数值"对
line = "Temperature=85.5°C, Pressure=52.3mTorr, Time=120s"
# 提取全部参数名和值
pairs = re.findall(r'(\w+)=(\d+\.?\d*)', line)
for name, val in pairs:
print(f"{name}: {val}")
# 输出：
# Temperature: 85.5
# Pressure: 52.3
# Time: 120
# 提取带单位的数值
values = re.findall(r'(\d+\.?\d*)(°C|mTorr|s|nm)', line)
for val, unit in values:
print(f"值={val}, 单位={unit}")
# 输出：
# 值=85.5, 单位=°C
# 值=52.3, 单位=mTorr
# 值=120, 单位=s
**为什么这样写？** `findall` 返回的是所有匹配结果的列表，每个结果是一个元组 `(分组1, 分组2)`。利用这个特性，一步就能把"参数名和值"成对提取出来，不用写循环以外的复杂逻辑。
3.4 封装成函数
def parse_log_to_table(text):
"""
把原始日志解析成结构化数据
参数:
text: 多行日志文本
返回:
list[dict]: 每行日志的解析结果
"""
pattern = r'(\d{4}-\d{2}-\d{2} \d{2}:\d{2}:\d{2}) \[(\w+)\] (.+)'
rows = []
for line in text.strip().split('\n'):
m = re.search(pattern, line)
if not m:
continue
rows.append({
'timestamp': m.group(1),
'level': m.group(2),
'message': m.group(3),
# 顺便提取消息中的数值
'numbers': re.findall(r'\d+\.?\d*', m.group(3))
})
return rows
# 使用
parsed = parse_log_to_table(logs)
print(f"解析出 {len(parsed)} 行日志")
────────────────────────────────────────
四、效果对比
| 对比维度 | 手工操作（Notepad+++Excel） | 正则解析 | 提升 |
|---------|--------------------------|---------|------|
| 提取100条日志的时间 | 30分钟（人工复制粘贴） | 0.5秒 | **+3600倍** |
| 解析1万行日志 | 已崩（Excel行数限制） | 3秒出结果 | **无限** |
| 提取数值参数 | 15分钟一条条复制 | 1行findall搞定 | **不具可比性** |
| 修改提取规则 | 全部重来 | 改一行pattern就行 | **+100倍** |
| 结果可复用性 | Excel文件换格式就得重做 | 写一次，永久复用 | **一劳永逸** |
────────────────────────────────────────
五、自己动手
# 练习题：解析设备运行日志
import re
# 一段真实FAB设备日志
device_log = """2026-01-20 14:00:00 [INFO] CVD-03 warmup started
2026-01-20 14:05:30 [INFO] CVD-03 temperature=350.0°C pressure=2.5Torr
2026-01-20 14:10:15 [INFO] Wafer FAB-CVD-024-W12 loaded to chamber_A
2026-01-20 14:15:00 [INFO] Process step1=deposition completed in 120s
2026-01-20 14:15:30 [WARN] Thickness=1252.3Å spec=1250±5Å
2026-01-20 14:20:00 [ERROR] CVD-03 pressure out of range: 3.8Torr
2026-01-20 14:25:00 [INFO] Process aborted, 24 wafers affected"""
# 练习1：找出所有ERROR和WARN行（用findall）
# 练习2：提取每次运行的时间点和温度值
# 练习3：统计每台设备(CVD-03)发生了多少次事件
# ✏️ 下面写你的代码
**思考题**：
1. 正则匹配的"贪婪"和"非贪婪"是什么意思？试试 `.*` 和 `.*?` 的区别
2. 如果日志中有繁体中文，正则还能匹配吗？试试 `[\u4e00-\u9fff]` 匹配中文
3. 如果日志格式变了（比如时间戳变成秒级时间戳），你的pattern要改哪里？
────────────────────────────────────────
六、常见误区
新手最容易踩的坑
| 错误写法 | 问题 | 正确写法 |
|---------|------|---------|
| `\d{2}-\d{2}-\d{4}` | 日期格式不对 | `\d{4}-\d{2}-\d{2}` |
| `[INFO]` | 方括号在正则里是特殊字符 | `\[INFO\]` |
| `.*` | 贪婪匹配，可能匹配太多 | `.*?` 非贪婪 |
| `\d+.?\d*` | 点号会匹配任意字符 | `\d+\.?\d*` 加反斜杠转义 |
| 不用r字符串 | `\d`被解释成ASCII转义 | 加 `r` 前缀 |
**调试技巧**：用 [regex101.com](https://regex101.com) 在线测试正则表达式。左边写pattern右边写测试文本，实时高亮匹配结果，比手动猜快10倍。
────────────────────────────────────────
> �� **你们FAB的设备日志是什么格式？有没有什么特别的pattern需要匹配？评论区聊聊**
> �� **收藏+点赞，下一篇讲Excel报表自动化用得上** ��