用于在 Apache 访问日志中查找日期的正则表达式

Question

我正在编写一个 python 脚本来从我们的 2GB Apache 访问日志中提取数据。这是日志中的一行。

81.52.143.15 - - [01/Apr/2008:00:07:20 -0600] "GET /robots.txt HTTP/1.1" 200 29 "-" "Mozilla/5.0 (Windows; U; Windows NT 5.1; fr; rv:1.8.1) VoilaBot BETA 1.2 (http://www.voila.com/)"

我正在尝试从该行获取日期部分，而正则表达式让我失望了，我不知道为什么。这是我的python代码：

l = 81.52.143.15 - - [01/Apr/2008:00:07:20 -0600] "GET /robots.txt HTTP/1.1" 200 29 "-" "Mozilla/5.0 (Windows; U; Windows NT 5.1; fr; rv:1.8.1) VoilaBot BETA 1.2 (http://www.voila.com/)"

re.match(r"\d{2}/\w{3}/\d{4}", l)

什么都不返回。也不做以下事情：

re.match(r"\d{2}/", l)
re.match(r"\w{3}", l)

或其他任何我能做到的事情，甚至可以得到日期的部分。我误会了什么？

Answer 1

match() 在字符串的开头查找匹配项。使用 search() 在字符串中的任意位置查找匹配项。更多信息在这里：http://docs.python.org/library/re.html#matching-vs-searching

Answer 2

或者您可以使用已经可用的 python apache 日志解析器之一，例如：

• Apache 日志
• 日志工具
• Lo​​grep（Wtop 包）

Answer 3

match() 尝试匹配整个字符串。请改用search()。

另请参阅 Python Regular Expression HOWTO 和 Python page 始终出色的 regular-expressions.info。

Answer 4

与使用正则表达式获取日期相比，将行拆分为空格并提取日期可能更容易：

 l = '81.52.143.15 - - [01/Apr/2008:00:07:20 -0600] "GET /robots.txt HTTP/1.1" 200 29 "-" Mozilla/5.0 (Windows; U; Windows NT 5.1; fr; rv:1.8.1) VoilaBot BETA 1.2 (http://www.voila.com/)"'
 date = l.split()[3]

如果您正在处理非常大的文件，这可能比使用正则表达式更有效。