Question

我有一个日志文件，我想忽略包含/ owncloud的行，只找到包含.html的行，并打印到仅屏蔽url部分。原始文件如下所示：

1.1.1.1 - abcdefg [01/Dec/2013:03:18:19 +0900] "PROPFIND /owncloud/remote.php/webdav// HTTP/1.1" 111 111 "-" "Mozilla/5.0 (Macintosh) mirall/1.4.2"
2.2.2.2 - - [02/Dec/2013:17:28:29 +0900] "GET /img/bg_introduction.png HTTP/1.1" 111 1111 "-" "msnbot-media/1.1 (+http://search.msn.com/msnbot.htm)"
3.3.3.3 - - [02/Dec/2013:15:46:25 +0900] "GET / HTTP/1.0" 111 1111 "-" "-"
4.4.4.4 - - [02/Dec/2013:08:54:13 +0900] "GET /xxxx/index.html HTTP/1.1" 111 1111 "http://xxxx.com/" "Mozilla/5.0 (Windows NT 6.1; WOW64) 
5.5.5.5 - - [02/Dec/2013:08:54:17 +0900] "GET /contact.html HTTP/1.1" 111 1111 "http://xxxx.com/yyyyy/zzzz.html" "Mozilla/5.0 (Windows NT

，输出应为：

 /xxxx/index.html
 /contact.html

我正在学习正则表达式，但我无法理解当它夹在其他东西中时如何找到一个单词。此外，我仍然不明白如何削减比赛。这就是我现在正在做的事情。

public class ParseLog {
   static BufferedReader input;
   static final Pattern pattern = Pattern.compile("(/owncloud)");
   static final Pattern pattern2 = Pattern.compile("(.html)");
   static Matcher matcher;
   static Matcher matcher2;

    public static void main(String[] args) throws IOException {
       input = new BufferedReader(new FileReader("/path to file /access_log.txt"));
       String c = "";
         while ((c=input.readLine())!=null){    
            // Checks to the GET part
            String[] splitString = (c.split("\""));
            if (splitString.length >= 2){
              // if there is only 1 substring there is no "GET
              matcher = pattern.matcher(splitString[1]);
              matcher2 = pattern2.matcher(splitString[1]);
              if(!matcher.find() && matcher2.find()){
                 String parsedString = splitString[1].replaceAll("GET ", "");
                 System.out.println(parsedString.replaceAll(" HTTP/1.1", ""));
            }
        }
    }       
}
}

我的问题是：是否可以通过5个步骤执行我的程序，在一个正则表达式中？

Answer 1

似乎你过分复杂了。也许尝试在输入中找到以GET开头的部分，然后找到/[no-space-characters]+.html。您可以将此/...html部分包含在括号中，以将它们放在group中。

以下是代码示例，它提供了您在问题中提到的相同结果

//one liner to read data from file (don't bother with it now)
String input = new Scanner(new File("input.txt")).useDelimiter("\\A").next();

//we want to find `Get /[no-whitespace-characters]+.html`
Pattern p = Pattern.compile("GET (/\\S+\\.html)");
Matcher m = p.matcher(input);
while(m.find())
    System.out.println(m.group(1));

输出：

/xxxx/index.html
/contact.html

Java正则表达式：如何在较长的单词中找到一个简短的单词

1 个答案: