Question

我已经尝试了一段时间来拆分此服务器访问日志字符串，但无济于事。字符串以这种格式出现

10.223.157.186 - - [15 / Jul / 2009：15：50：35 -0700]＆＃34; GET /assets/css/reset.css HTTP / 1.1＆＃34; 200 1014

％h是客户端的IP地址
％l是客户的身份，或＆＃34; - ＆＃34;如果它不可用
％u是客户的用户名，或＆＃34; - ＆＃34;如果它不可用
％t是服务器处理完请求的时间。格式为[日/月/年：小时：分钟：第二区]
％r是来自客户端的请求行（双引号）。它包含方法，路径，查询字符串，协议或请求。
％＆gt; s是服务器发送回客户端的状态代码。您将看到主要是状态代码200（确定 - 请求已成功），304（未修改）和404（未找到）。
％b是返回给客户端的对象的大小，以字节为单位。它将是＆＃34; - ＆＃34;如果状态代码为304

我使用过`str.split（）和str（＆＃34; \ t＆＃34;）但无济于事。谢谢你的帮助

Answer 1

例如，如果你有这个：

import re
line = '10.223.157.186 - - [15/Jul/2009:15:50:35 -0700] "GET /assets/css/reset.css HTTP/1.1" 200 1014'
regexString = r'(?P<IP>[0-9.]+) (?P<ID>[\w-]+) (?P<user>[\w-]+) (?P<time>\[.*\]) (?P<request>".*") (?P<status>\d+) (?P<size>\d+)'  
regex = re.compile(regexString)
match = regex.match(line)
if match != None:
    ip = match.group('IP')
    id = match.group('ID')
    # etc.

如果你想从时间中提取每件事，即日，月，年等，那么你可以在match.group上运行另一个正则表达式（＆＃39; time＆＃39;）或者你可以更多在regexString中明确指出如何解析它例如，您可以拥有：\[(?P<day>\d+)/(?P<month>[A-Za-z]+)/(?P<year>\d+):(?P<hour>\d+):(?P<minute>\d+):(?P<second>\d+) -(?P<zone>\d+)\]

这会让你：
regexString = r'(?P<IP>[0-9.]+) (?P<ID>[\w-]+) (?P<user>[\w-]+) \[(?P<day>\d+)/(?P<month>[A-Za-z]+)/(?P<year>\d+):(?P<hour>\d+):(?P<minute>\d+):(?P<second>\d+) -(?P<zone>\d+)\] (?P<request>".*") (?P<status>\d+) (?P<size>\d+)'

拆分服务器访问日志字符串

1 个答案: