Question

我有一个如下所示的日志文件：

Sun Mar 13 23:45:01 EDT 2011 - 2 游戏正在运行

每15分钟更新一次。

我想编写代码（打算使用Python）来解析这个并告诉我最活跃的时间。

我知道这有点模糊，但我想听听我可以采取的不同方法。

Answer 1

对于解析时间，您可能需要time.strptime（http://docs.python.org/library/time.html#time.strptime）。要从日志文件中分解每一行，您可以使用正则表达式，或者只是在" - "上拆分，然后解析临时游戏的数量。

为了找到最活跃的时间，你需要多聪明取决于你想要什么样的答案。例如，您可以根据他们当天的小时数对时间进行分类：

for line in open(logfile, 'r'):
  (timestr, gamestr) = line.split(' - ')
  hour = time.strptime(timestr, time_format).tm_hour
  n_games = parse_game_count(gamestr)
  entry_counts[hour] += 1
  game_counts[hour] += n_games
for hour in range(25): # you can in theory get hour=24!
  busyness_by_hour[hour] = game_counts[hour] / entry_counts[hour]

（警告1：未经测试的代码;警告2：省略了一些细节，例如parse_game_count的定义;警告3：在某些版本的Python上，最后一个分区将执行整数除法，这不是你想要的。）

您可能实际上更关心日志中的最近条目（在这种情况下，例如，您可以更高度地对最近的条目进行加权 - entry_counts[hour] += weight和game_counts[hour] += weight*n_games其中weight更大对于最近的条目）。您可能需要四分之一小时的分辨率。如果您的更新不是每15分钟一次，那么您可能希望进行某种奇特的曲线拟合，以更精细的粒度估计活动。

Answer 2

首先，您可以使用正则表达式来分隔每行的日期和数字：

r'^(.*?) - (\d*?).*$'

然后，您可以使用strptime将正则表达式返回的第一个参数转换为日期。

然后你拥有它。你知道下一步该做什么：）

解析日志文件以查找最活跃的时间

2 个答案: