使用名为 REGEX 的 sing 在 PHP 中解析 A​​pache 日志

Question

我偶然发现了这个命名组正则表达式规则，其中作者声称这个单一的正则表达式能够匹配世界上使用最广泛的 Web 服务器之一的所有可能输出：

(?:(?<network.srcIpv4>(?:[0-9]{1,3}\.){3}[0-9]{1,3})|(?<network.srcIpv6>[:\-0-9a-fA-F]+?)|(?<network.srcHost>.+?)) - (?:-|(?<user.username>.+)) \[(?<time>.*)\]\"(?<application.cmd>(?<application.http.method>[A-Z]+)\s(?:(?<application.proto>.*?)://)?(?<network.fqdn>[ˆ/]*?)(?:\:(?<network.dstPort>d+))?(?<file.path>/.*?)?(?:\?(?<application.http.queryString>.*?))?(?: HTTP/(?<application.http.version>[0-9\.]+)?))\" (?<application.http.status>\d+) (?<application.len>\d+)(?:"(?:-|(?<application.http.referrer>.*))")?(?:"(?:-|(?<application.http.userAgent>.*))")?

但是当我尝试here 时，它似乎没有工作。我知道可以将单个正则表达式写入 Apache 日志，如下所示：

^(\S+) \S+ \S+ \[([^\]]+)\] "([A-Z]+)[^"]*" \d+ \d+ "[^"]*" "([^"]*)"$

但我更喜欢使用命名正则表达式，因为它们很容易理解，任何人都可以帮我弄清楚第一个正则表达式有什么问题吗？谢谢。

PS：为了论证，假设我的正则表达式在 PHP 中。

Answer 1

你可以使用

^(?:(?<network_srcIpv4>(?:[0-9]{1,3}\.){3}[0-9]{1,3})|(?<network_srcIpv6>[:\-0-9a-fA-F]+?)|(?<network_srcHost>.+?)) - (?:-|(?<user_username>.+)) \[(?<time>.*)\] \"(?<application_cmd>(?<application_http_method>[A-Z]+)\s(?:(?<application_proto>.*?)://)?(?<network_fqdn>[^/]*?)(?:\:(?<network_dstPort>\d+))?(?<file_path>/.*?)?(?:\?(?<application_http_queryString>.*?))?(?: HTTP/(?<application_http_version>[0-9\.]+)?))\" (?<application_http_status>\d+) (?<application_len>\d+) (?:"(?:-|(?<application_http_referrer>.*))")? (?:"(?:-|(?<application_http_userAgent>.*))")$

请参阅regex demo。

除了正则表达式中的各种拼写错误（\d 之前缺少\ 以匹配数字，ˆ 而不是^）和缺少空格，问题是组名只能以_ 或ASCII 字母，然后最多可以有 31 个字字符。因此，所有. 都应替换为_ 或删除。

注意我添加了^ 和$ 线锚（还要注意启用该行为的m 多行修饰符）。如果您不需要整个字符串/行匹配，则可以删除锚点。