用户代理字符串的日志处理正则表达式

Question

我正在使用正则表达式处理日志处理器，但在解析 UserAgent 字符串时遇到了一些问题，因为通常的分隔符是逗号 (,)。

这是一个示例行： 用户名：abc，用户代理：Mozilla/5.0（X11；Linux x86_64）AppleWebKit/537.36（KHTML，如 Gecko）Chrome/58.0.3029.81 Safari/537.36，客户端：Chrome

我正在尝试实现与以下内容相匹配的目标： ([^:]+):\s(\w+)\,\s([^:]+):\s(不等于序列中的\,\s\Client)\,\sClient:\s( \w+)

如何实现“不等于\,\s\Client in a sequence”以便捕获整个用户代理字符串。用户代理字符串将以所有格式出现，所以我认为这是最好的方法。

谢谢。

Answer 1

看看你的字符串是什么样子的：

UserName: abc, UserAgent: Mozilla/5.0 (X11; Linux x86_64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/58.0.3029.81 Safari/537.36, Client: Chrome
|-- 1 --| |2|  |-- 3  --| |-------------------------------------------- 4 -------------------------------------------------------|          |-- 5--|

您需要匹配的组就在, Client: 子字符串之前。因此，您甚至不需要在这里使用复杂的构造（例如 "tempered greedy token"），只需 (.*?) 即可（因为它将尽可能少地匹配任何 0+ 字符，直到第一次出现后续子模式）。

你的正则表达式可以修改为

([^:]+):\s*(\w+),\s*([^:]+):\s*(.*?),\s*Client:\s*(\w+)
                               ^^^^^

见regex demo

请注意，我删除了不必要的转义（因为 : 和 , 不是特殊结构的一部分时不是特殊的正则表达式元字符），\s 可以更好地量化为 * - 0 次或更多次。