从一行中提取内容

Question

我正在尝试对我的访问日志文件进行表述，为此我只需逐行读取访问日志文件并从每一行中提取有用的信息，最后将它们添加到数据库中。

例如，一条线看起来像这样。

124.99.152.202 - naveen [22/Nov/2013:10:41:17 +1300] "GET /p/V4ZkA5d074CTy_vbFa7nLw,1385070078/IneedThisInteger/12.txt HTTP/1.1" "200" "3" "-" "Mozilla/5.0" "-"

我只知道如何提取IP地址。（使用this）

我要提取

1. 这个请求值-GET /p/V4ZkA5d074CTy_vbFa7nLw,1385070078,IneedThisInteger/12.txt HTTP/1.1

2. 上面部分的这个整数值-IneedThisInteger

3. 此状态部分-200

4. 此字节部分-3

有时请求 URL 会更改它的 最后一部分，

"GET /p/V4ZkA5d074CTy_vbFa7nLw,1385070078,IneedThisInteger/FOLDER/12.txt HTTP/1.1"
"GET /p/V4ZkA5d074CTy_vbFa7nLw,1385070078,IneedThisInteger/FOLDER/ANOTHER FOLDER/12.txt HTTP/1.1"
"GET /p/V4ZkA5d074CTy_vbFa7nLw,1385070078,IneedThisInteger/FOLDER/ANOTHER FOLDER/HEREIS-ANOTHER-FOLDER-AND-SO-ON/12.txt HTTP/1.1"

所以我真的需要一种稳定的方法来从每一行获取这些值。我该怎么做？

Answer 1

这应该可以解决问题：

^(\d{1,3}\.\d{1,3}\.\d{1,3}\.\d{1,3}).*?"(.*?/p/.*?,\d+,(\d+).*?)" "(\d+)" "(\d+)".*$

这里有一个小提琴来演示：http://www.rexfiddle.net/3sDwWut

出于测试目的，我用实际数字替换了您的“我需要这个整数”，并且还稍微随机化了“字节”和 IP 地址。这些是捕获，按顺序：

1. IP
2. 请求（例如GET xxx HTTP/1.1）
3. 您想要的 URL 中的整数
4. HTTP 状态
5. 字节数

Answer 2

假设您总是有 GET 请求，这应该可以解决问题

"(GET /.*?/.*?,\d+,(\d+)/.*?)"\s"(\d+)"\s"(\d+)"

有关表达式的解释，请参阅regex101.com。