Java使用正则表达式提取字段分隔的子字符串

Question

如何使用正则表达式从系统日志消息中提取程序名？我有一个 Java 流处理模块，它接受正则表达式来处理 syslog 消息。

日志行可能是：

2013-10-14T22:05:29+00:00 hostname sshd[6359]: Connection closed by 192.168.1.10
2013-10-14T22:05:29+00:00 hostname sshd:3322 Connection closed by 192.168.1.10
2013-10-14T22:05:29+00:00 hostname sshd/6359 Connection closed by 192.168.1.10
2013-10-14T22:05:29+00:00 hostname sshd Connection closed by 192.168.1.10
2013-10-14T22:05:29+00:00 hostname SSHD[1133] Connection closed by 192.168.1.10
2013-10-14T22:05:29+00:00 hostname SSH.D[6359]: Connection closed by 192.168.1.10

字符串提取过程应该是：取第三个以空格分隔的子字符串，提取以[、:、/或空格结尾的子字符串

所以在前四个日志样本中，提取的字符串将是sshd、第五个SSHD 和第六个SSH.D。这可以通过正则表达式实现吗？

编辑：

我尝试的是((?:[A-Za-z][A-Za-z0-9_.-]+))，它似乎可以工作，但老实说，我修改了一个示例正则表达式并使用在线工具对其进行调整，直到它适合我的用例，但我不确定它是如何工作的。

Answer 1

双split 应该可以胜任：

String token = data.split(" +")[2].split("[\\[:/]")[0];

Answer 2

试试这样的：

String str = line.split(" ")[2].replaceAll("(.+)(\\[|\\:|\\/).+", "$1");

没有测试过。

Answer 3

我认为您正在寻找的正则表达式是：

String regex = "([^\\[:/]+).*";

.* 表示匹配 0 个或多个任意字符。在点星 ().* 前面放置一对括号会创建一个可以从 Matcher 中选择的组。由于它是第一组括号，因此它由组号 1 引用。括号内是一个表达式，它匹配一个或多个否定字符类[^]+，其中包含 OP 中指定的字符，特别是“[”， “:”和“/”字符。

这是一个测试结果的示例应用程序：

package com.stackexchange.stackoverflow;

import java.util.ArrayList;
import java.util.List;
import java.util.regex.Matcher;
import java.util.regex.Pattern;

public class Question19370191 {
    public static void main(String[] args) {
        String regex = "([^\\[:/]+).*";
        Pattern pattern = Pattern.compile(regex);

        List<String> lines = new ArrayList<>();
        lines.add("2013-10-14T22:05:29+00:00 hostname sshd[6359]: Connection closed by 192.168.1.10");
        lines.add("2013-10-14T22:05:29+00:00 hostname sshd:3322 Connection closed by 192.168.1.10");
        lines.add("2013-10-14T22:05:29+00:00 hostname sshd/6359 Connection closed by 192.168.1.10");
        lines.add("2013-10-14T22:05:29+00:00 hostname sshd Connection closed by 192.168.1.10");
        lines.add("2013-10-14T22:05:29+00:00 hostname SSHD[1133] Connection closed by 192.168.1.10");
        lines.add("2013-10-14T22:05:29+00:00 hostname SSH.D[6359]: Connection closed by 192.168.1.10");

        for(String line : lines) {
            String field = line.split("\\s")[2];
            String extraction = "";
            Matcher matcher = pattern.matcher(field);
            if(matcher.matches()) {
                extraction = matcher.group(1);
            }

            System.out.println(String.format("Field \"%-12s\" Extraction \"%s\"", field, extraction));
        }
    }
}

它输出以下内容：

Field "sshd[6359]: " Extraction "sshd"
Field "sshd:3322   " Extraction "sshd"
Field "sshd/6359   " Extraction "sshd"
Field "sshd        " Extraction "sshd"
Field "SSHD[1133]  " Extraction "SSHD"
Field "SSH.D[6359]:" Extraction "SSH.D"

Answer 4

如果您的示例数据与您提供的完全一样：

(?:.+?\s){2}([\w\.]+).+$

解释：

(?:.+?\s){2}...匹配第二个空格

([^\s[:/]+)...匹配任何不是''、':'或'/'的东西

.+$...匹配 EOL

你想要的将在捕获组\1