匹配算法还是正则表达式？答案

【问题标题】：Matching algorithm or regular expression?匹配算法还是正则表达式？
【发布时间】：2011-08-04 16:53:12
【问题描述】：

我有一个包含不同类型字符串行的巨大日志文件，我需要以“智能”方式从中提取数据。

示例 sn-p：

2011-03-05 node32_three INFO stack trace, at empty string asfa 11120023
--- - MON 23 02 2011 ERROR stack trace NONE

例如，从每一行中提取日期的最佳方法是什么，与日期格式无关？

【问题讨论】：

您的意思是“提取日期”吗？因为您的示例有两个日期。
我是否正确理解您的巨大日志文件包含不同类型的行，其中日期可能以不同的格式显示？如果是这种情况，那么正则表达式可能不是一个好的解决方案。
@heykalrm：我编辑了您的问题以在您的示例中显示单独的行，但我不确定我是否正确。请检查并确认分行位置正确。
@MarcoS 是的，日期可能以不同的格式显示。如果不是正则表达式，您的解决方案是什么？
我用另一种方法给出了答案：使用正则表达式来分隔日期字符串和 Joda 时间来解析它们。看我的回答。

标签： regex algorithm pattern-matching string-matching

【解决方案1】：

您可以为不同的格式创建一个正则表达式，如下所示：

 (fmt1)|(fmt2)|....

fmt1、fmt2 等是单独的正则表达式，例如

(20\d\d-[01]\d-[0123]\d)|((?MON|TUE|WED|THU|FRI|SAT|SUN) [0123]\d [01]\d 20\d\d)

请注意，为了防止匹配任意数字，我相应地限制了年、月和日数字。例如，天数不能以 4 开头，月数也不能以 2 开头。

这给出了以下伪代码：

// remember that you need to double each backslash when writing the
// pattern in string form
Pattern p = Pattern.compile("...");    // compile once and for all
String s;
for each line 
    s = current input line;
    Matcher m = p.matcher(s);
    if (m.find()) {
        String d = m.group();    // d is the string that matched
        ....
    }

每个单独的日期模式都写在 () 中，以便找出我们拥有的格式，如下所示：

        int fmt = 0;
        // each (fmt) is a group, numbered starting with 1 from left to right
        for (int i = 1; fmt == 0 && i <= total number of different formats; i++) 
            if (m.group(i) != null) fmt = i;

为此，必须编写内部（正则表达式）组 (?regex)，以便它们不计为捕获组，请查看更新的示例。

【讨论】：

太棒了！上面的正则表达式是否有一些 Java 实现示例？

【解决方案2】：

如果你使用 Java，你可能想看看Joda time。另外，请阅读此question and related answers。我认为 Joda DateTimeFormat 应该为您提供解析日志文件的各种日期/时间格式所需的所有灵活性。

一个简单的例子：

String dateString = "2011-04-18 10:41:33";
DateTimeFormatter formatter = 
  DateTimeFormat.forPattern("yyyy-MM-dd HH:mm:ss");
DateTime dateTime = formatter.parseDateTime(dateString);

只需为您的日期/时间格式定义一个String[]，并将每个元素传递给DateTimeFormat 以获取对应的DateTimeFormatter。您可以使用正则表达式将日期字符串与日志行中的其他内容分开，然后您可以使用各种DateTimeFormatters 来尝试解析它们。

【讨论】：