解析日志文件以获取一行中的一些值

Question

我正在读取一个日志文件，在该文件中我试图从包含子字符串“edited by:”并以“bye”结尾的行中获取一些值。

这就是日志文件的设计方式。

Error nothing reported
19-06-2021 LOGGER:INFO edited by : James Cooper Person  Administrator bye.  //Line 2
No data match.
19-06-2021 LOGGER:INFO edited by : Harry Rhodes Person External bye.        //Line 4
.......

所以我正在尝试获取：

James Cooper Person Administrator   //from line 2
Harry Rhodes Person External        //from line 4

并将它们分配给我的 tcl 程序中的变量。

我假设提取的行位于列表名称 line2 中。 喜欢

set splitList[$line2 ' ']
set agent [lindex $splitList 0]
set firstName [lindex $splitList 1]
set lastName [lindex $splitList 2]
set role [lindex $splitList 3]

我了解将日志文件中提取或提取的行放在列表中并不是一个好主意，因为它们是非结构化输入。当 Tcl 列表函数不是正确的 Tcl 列表格式时，使用 Tcl 列表函数可能会导致奇怪的事情。

我对 tcl 很陌生。并且不知道在 tcl 中使用正则表达式。

所以我尝试使用正则表达式从匹配行中提取值。假设 line2 是一个变量，保存从日志文件中提取的匹配 line2，

regexp -- {edited by:(.*) bye.$} $line2 match agent

我能够得到如下所示的预期输出。

Person Harry Rhodes External

但是，在这个提取的字符串上，我不知道如何进一步钻取以使变量赋值。有关此方法或 tcl 库中存在的任何其他功能的任何建议可以帮助我完成此任务，请告诉我。

通过编辑日志格式更新了问题。日志文件格式不正确。

Answer 1

为了安全起见，我会修改正则表达式以查找单词之间的空格 ([[:space:]])，使用 * (= "any amount") 和 + ( = "至少一个") 并将每个变量存储在一个捕获组中（由括号 () 包围）：

edited[[:space:]]+by[[:space:]]*:[[:space:]]*([^[:space:]]*)[[:space:]]+([^[:space:]]*)[[:space:]]+([^[:space:]]*)[[:space:]]+([^[:space:]]*)[[:space:]]+bye.$

请注意，[^[:space:]] 匹配除空格以外的任何字符。

Regex101 演示：https://regex101.com/r/78l4HJ/1

Answer 2

首先，将一个人的名字分解成其组成部分是非常困难的。例如，有些人有一个多字姓氏。 （是的，我知道具体的个例子。）其他人将零件按不同的顺序排列。能不分名字吗？

解析该子字符串的其他部分更容易，因为我们可以假设 agent 和 role 不会有空格。这个 RE 的诀窍是 \w+ 匹配“单词”字符序列，@987654324 @ 匹配空格字符序列（比单个空格更健壮），.*? 匹配任何内容，但尽可能少。

regexp {^\s*(\w+)\s+(.*?)\s+(\w+)\s*$} $substring -> agent name role

好的，这对子字符串来说很好，但是整行呢？这实际上只是调整锚点的问题。 （\y 匹配单词边界。）

regexp {\yedited by:\s*(\w+)\s+(.*?)\s+(\w+)\s+bye\y} $line -> agent name role

在正则表达式搜索中一次输入超过一行通常不是一个好主意，除非您需要。幸运的是，您的记录是换行符分隔的，所以这不是问题。