【发布时间】:2015-09-06 12:56:30
【问题描述】:
我正在尝试使用 Python 使用正则表达式解析 Apache 日志并将其分配给单独的变量。
ACCESS_LOG_PATTERN = '^(\S+) (\S+) (\S+) \[([\w:/]+\s[+\-]\d{4})\] "(\S+) (\S+)\s*(\S+)\s*" (\d{3}) (\S+)'
logLine='127.0.0.1 - - [01/Jul/1995:00:00:01 -0400] "GET /images/launch-logo.gif HTTP/1.0" 200 1839'
我将其解析并分组到以下变量中:
match = re.search(APACHE_ACCESS_LOG_PATTERN, logLine)
host = match.group(1)
client_identd = match.group(2)
user_id = match.group(3)
date_time = match.group(4)
method = match.group(5)
endpoint = match.group(6)
protocol = match.group(7)
response_code = int(match.group(8))
content_size = match.group(9)
正则表达式模式在日志行中运行良好,但在以下情况下解析/正则表达式匹配失败:
'127.0.0.1 - - [01/Jul/1995:00:00:01 -0400] "GET /" 200 1839'
'127.0.0.1 - - [01/Jul/1995:00:00:01 -0400] "GET / " 200 1839'
我该如何解决这个问题?
【问题讨论】:
-
Parsing apache log files 的可能重复项
-
没有我需要的要求特定于日志行的请求部分。而且它不是泛化的日志解析
标签: regex apache parsing logging