scala apache访问日志正则表达式不起作用答案

【问题标题】：scala apache access log regex not workingscala apache访问日志正则表达式不起作用
【发布时间】：2019-09-21 14:58:14
【问题描述】：

我已经为 apache 访问日志定义了正则表达式如下：

val apacheLogPattern = """ ^(\S+) (\S+) (\S+) \[([\w:/]+\s[+\-]\d{4})\] "(\S+)\s?(\S+)?\s?(\S+)?" (\d{3}|-) (\d+|-)\s?"?([^"]*)"?\s?"?([^"]*)?"?$ """.r

还有一个解析日志的函数：

def parse_log(line: String) = {
    line match {
       case apacheLogPattern(ipAddress, clientIdentity, userId, dateTime, method, endPoint, 
        protocol, responseCode, contentSize, browser, somethingElse) => "match"
    }
}

val p = """66.249.69.97 - - [24/Sep/2014:22:25:44 +0000] "GET /071300/242153 HTTP/1.1" 404 514 "-" "Mozilla/5.0 (compatible; Googlebot/2.1; +http://www.google.com/bot.html)"""

parse_log(p)

调用 parse 函数给出 MatchError

scala.MatchError: 66.249.69.97 - - [24/Sep/2014:22:25:44 +0000]“GET /071300/242153 HTTP/1.1”404 514“-”“Mozilla/5.0（兼容；Googlebot/2.1；+http://www.google.com/bot.html )" （类 java.lang.String 的）在 .parse_log(:13) ... 28 省略

有人可以帮我解决 scala 正则表达式的问题吗？

【问题讨论】：

您必须添加 .r，并且您在正则表达式中有 11 个组，但模式匹配只有 10 个。请参阅 ideone.com/lRqyQp 您需要所有这些捕获组吗？
感谢@Thefourthbird 提供代码。它现在工作
感谢@Emma 的输入

标签： regex scala matching

【解决方案1】：

从The fourth bird's comment 开始，正则表达式末尾缺少.r，并且捕获组过多。正确的模式如下所示。

val apacheLogPattern = """^(\S+) (\S+) (\S+) \[([\w:/]+\s[+\-]\d{4})\] "(\S+)\s?(\S+)?\s?(\S+)?" (\d{3}|-) (\d+|-)\s?"?([^"]*)"?\s?"?([^"]*)?"?$""".r

【讨论】：