使用正则表达式解析多行日志条目

Question

我正在尝试使用此正则表达式解析 C# 应用程序中的日志条目：(^[0-9]{4}(-[0-9]{2}){2}([^|]+\|){3})(?!\1) 用于格式为 [日期（某种格式）] 的日志 | [等级] | [应用名称] | [消息].

在哪里（我认为）：

• ^ 匹配行首（在 regex101 上启用 /gm）
• [0-9]{4}(-[0-9]{2}){2} 后跟日期的开头，例如 2015-03-03
• ([^|]+\|){3}) 后跟日期的其余部分、日志级别和应用名称
• (?!\1) 后跟不是新日志条目的开始（应该是消息）

例如，我有以下 4 个日志条目（由换行符分隔以进行说明）：

2015-03-03 19:30:47.2725|INFO|MyApp|这是一条单行日志消息。 2015-03-03 19:31:29.1209|INFO|MyApp|此日志消息有多个 与 2015-03-03 里面有个日期。 2015-03-03 19:32:50.1106|INFO|MyApp|此日志消息有 多行 但只是文字。 2015-03-03 19:33:20.2683|ERROR|MyApp|此日志消息有多行但 还有一些令人困惑的文字，例如 2015-03-03 19:33:20.2683|错误|这应该 仍然是有效的日志消息。

但是当我在regex101 上测试它时，正则表达式没有捕获该消息，可能是因为我不明白如何捕获负前瞻。

如果我在正则表达式中包含.*： (^[0-9]{4}(-[0-9]{2}){2}([^|]+\|){3}).*(?!\1) 它匹配消息，但只匹配一行（因为 . 不匹配换行符）。

那么我怎样才能捕获（多行）消息？

Answer 1

你可以使用这个正则表达式：

(^\d{4}(-\d{2}){2}([^|]+\|){3})([\s\S]*?)\n*(?=^\d{4}.*?(?:[^|\n]+\|){3}|\z)

RegEx Demo

这个正则表达式也应该在 C# 中工作，只要确保使用 MULTILINE 标志。

Answer 2

这样的事情应该可以工作。
请参阅正则表达式中的 cmets。
(mod: 为 EOS 或单行消息设置换行符)

 @"(?m)^[0-9]{4}(?:-[0-9]{2}){2}(?:[^|\r\n]+\|){3}((?:(?!^[0-9]{4}(?:-[0-9]{2}){2}(?:[^|\r\n]+\|){3}).*(?:\r?\n)?)+)"

格式化（with this）：

 (?m)                          # Modifier - multiline
 ^                             # BOL
 [0-9]{4}                      # Message header
 (?: - [0-9]{2} ){2}
 (?: [^|\r\n]+ \| ){3}
 (                             # (1 start), The Message
      (?:
           (?!                           # Assert, not a Message header
                ^                             # BOL
                [0-9]{4} 
                (?: - [0-9]{2} ){2}
                (?: [^|\r\n]+ \| ){3}
           )
           .*                            # Line is ok, its part of the message
           (?: \r? \n )?                 # Optional line break
      )+
 )                             # (1 end)

输出：

 **  Grp 0 -  ( pos 0 , len 74 ) 
2015-03-03 19:30:47.2725|INFO|MyApp|This is a single line log message.


 **  Grp 1 -  ( pos 36 , len 38 ) 
This is a single line log message.

--------------

 **  Grp 0 -  ( pos 74 , len 108 ) 
2015-03-03 19:31:29.1209|INFO|MyApp|This log message has multiple
lines with
2015-03-03
a date in it.


 **  Grp 1 -  ( pos 110 , len 72 ) 
This log message has multiple
lines with
2015-03-03
a date in it.

--------------

 **  Grp 0 -  ( pos 182 , len 97 ) 
2015-03-03 19:32:50.1106|INFO|MyApp|This log message has
multiple lines
but just text only.


 **  Grp 1 -  ( pos 218 , len 61 ) 
This log message has
multiple lines
but just text only.

--------------

 **  Grp 0 -  ( pos 279 , len 186 ) 
2015-03-03 19:33:20.2683|ERROR|MyApp|This log message has multiple lines but
also some confusing text like
2015-03-03 19:33:20.2683|ERROR| which should
still be a valid log message.

 **  Grp 1 -  ( pos 316 , len 149 ) 
This log message has multiple lines but
also some confusing text like
2015-03-03 19:33:20.2683|ERROR| which should
still be a valid log message.

Answer 3

您使用的是什么正则表达式引擎？例如，在 Java 中，有一个标志来告诉“。”。匹配换行符。

以下正则表达式似乎可以解决问题：

/(([0-9]{4})(-[0-9]{2}){2}([^|]+\|){3})((.(?!\2))*)/sg

我对您的查询所做的修改主要是一些清理（您的日期捕获组错误）。然后我添加了一个 .和 * 在最后的捕获组中。 https://regex101.com/r/fU1vV1/2

最重要的部分是 sg 标志的使用。 g 使其获得所有匹配项。 s 使它像一行一样对待它（否则你的负前瞻将永远不会起作用）。如果您可以保证 cmets 在一行上（在您的示例中就是这样），那么所有这些都是不必要的，因为您可以捕获到行尾。