为什么我使用正则表达式无法从此日志数据中提取数据？

问题描述

我有一个日志数据文件，我正在尝试从中提取此信息

示例= {“主机”：“ 146.204.224.152”， “ user_name”：“ feest6811”， “ time”：“ 21 / Jun / 2019：15：45：24 -0700”， “ request”：“ POST / incentivize HTTP / 1.1”}

sample ='146.204.224.152-Feet6811 [21 / Jun / 2019：15：45：24 -0700]“ POST / incentivize HTTP / 1.1” 302 4622'

当我尝试退出时，我得到[]空列表

re.findall('(\d{3}.\d{3}.\d{3}.\d{3}( - )([\w]*)(\[.*\]))',sample)

解决方法

您当前的正则表达式有很多问题，主要是模式实际上与输入不匹配。之所以如此，是因为您在某些地方缺少空格，并且您也没有正确匹配双引号项。试试这个版本：

sample = '146.204.224.152 - feest6811 [21/Jun/2019:15:45:24 -0700] "POST /incentivize HTTP/1.1" 302 4622'
parts = re.findall(r'^(\d{3}(?:\.\d{3}){3}) - (\S+) \[(.*?)\] "(.*?)".*$',sample)
print(parts)

此打印：

[('146.204.224.152','feest6811','21/Jun/2019:15:45:24 -0700','POST /incentivize HTTP/1.1')]

,

我不确定您要实现什么目标。但是，根据您给出的示例，我修复了您的正则表达式。

固定的正则表达式：(\d{3}.\d{3}.\d{3}.\d{3})\s*\-\s*(\w+)\s+\[(.*?)\]\s+\"(.*?)\"

您可以查看在线工作示例here。

,

您的空格不正确。这是生成dict示例的版本：

import re
from pprint import pprint

example = {"host":"146.204.224.152","user_name":"feest6811","time":"21/Jun/2019:15:45:24 -0700","request":"POST /incentivize HTTP/1.1"}
sample = '146.204.224.152 - feest6811 [21/Jun/2019:15:45:24 -0700] "POST /incentivize HTTP/1.1" 302 4622'
m = re.match(r'(?P<host>\d{3}.\d{3}.\d{3}.\d{3}) - (?P<user_name>\w*) \[(?P<time>.*?)\] \"(?P<request>.*?)\"',sample)
assert example == m.groupdict()
pprint(m.groupdict())

输出：

{'host': '146.204.224.152','request': 'POST /incentivize HTTP/1.1','time': '21/Jun/2019:15:45:24 -0700','user_name': 'feest6811'}