使用正则表达式解析 Apache 日志答案

【问题标题】：Parsing Apache Log using Regex使用正则表达式解析 Apache 日志
【发布时间】：2017-08-23 03:59:28
【问题描述】：

我想得到以下内容：-

输入

GET /1.1/friendships/list.json?user_id=123 HTTP/1.1
GET /1.1/friendships/list.json HTTP/1.1
GET /1.1/users/show.json?include_entities=1&user_id=321 HTTP/1.1
GET /1.1/friendships/list.json?user_id=234 HTTP/1.1
GET /1.1/friendships/create.json HTTP/1.1

输出

/1.1/friendships/list.json
/1.1/friendships/list.json
/1.1/users/show.json
/1.1/friendships/list.json
/1.1/friendships/create.json

我已经能够匹配到问号字符。我想匹配一个问号或空格的字符。这是我目前所拥有的。

([A-Z])+ (\S)+[\?]

【问题讨论】：

r = re.compile(r'\w+ ([/\w\.]+)') 和 r.match(<string>).groups(1)

标签： python regex python-2.7

【解决方案1】：

以下表达式接受GET 和POST：

^(?:GET|POST)\s+([^?\n\r]+).*$

这说的坏了

^               # start of line
(?:GET|POST)\s+ # GET or POST literally, at least one whitespace
([^?\s]+)       # not a question mark nor whitespace characters
.*              # 0+ chars afterwards
$               # end of line

这需要替换为\1，请参阅a demo on regex101.com 并注意MULTILINE 标志。

在Python 中，这将是：

import re

string = """
GET /1.1/friendships/list.json?user_id=123 HTTP/1.1
GET /1.1/friendships/list.json HTTP/1.1
GET /1.1/users/show.json?include_entities=1&user_id=321 HTTP/1.1
GET /1.1/friendships/list.json?user_id=234 HTTP/1.1
GET /1.1/friendships/create.json HTTP/1.1
POST /some/other/url/here
"""

rx = re.compile(r'^(?:GET|POST)\s+([^?\s]+).*$', re.M)
matches = rx.findall(string)
print(matches)
# ['/1.1/friendships/list.json', '/1.1/friendships/list.json', '/1.1/users/show.json', '/1.1/friendships/list.json', '/1.1/friendships/create.json', '/some/other/url/here']

【讨论】：

【解决方案2】：

应该这样做：

GET\s*(\S*?[\?\s])

Demo

这个想法是用非贪婪（又名懒惰）的方法（用*? 表示）搜索? 或（空格）。 组 1 然后具有所需的捕获文本。

【讨论】：