我正在编写一个python脚本来从我们的2GB Apache访问日志中提取数据。这是日志中的一行。
81.52.143.15 - - [01/Apr/2008:00:07:20 -0600] "GET /robots.txt HTTP/1.1" 200 29 "-" "Mozilla/5.0 (Windows; U; Windows NT 5.1; fr; rv:1.8.1) VoilaBot BETA 1.2 (http://www.voila.com/)"
我正试图从该行获取日期部分，正则表达式让我失望，我不知道为什么。这是我的python代码：
l = 81.52.143.15 - - [01/Apr/2008:00:07:20 -0600] "GET /robots.txt HTTP/1.1" 200 29 "-" "Mozilla/5.0 (Windows; U; Windows NT 5.1; fr; rv:1.8.1) VoilaBot BETA 1.2 (http://www.voila.com/)"
re.match(r"\d{2}/\w{3}/\d{4}", l)
什么都不返回。也没有做到以下几点：
re.match(r"\d{2}/", l)
re.match(r"\w{3}", l)
或其他我甚至可以获得日期的部分的东西。我误解了什么？
答案 0 :(得分：5)
match（）在字符串的开头查找匹配项。使用search（）在字符串中的任何位置查找匹配项。更多信息：http://docs.python.org/library/re.html#matching-vs-searching
答案 1 :(得分：1)
或者您可以使用已有的python apache日志解析器之一，如：
答案 2 :(得分：0)
match()尝试匹配整个字符串。请改为search()。
另请参阅Python Regular Expression HOWTO和始终出色的Python page的regular-expressions.info。
答案 3 :(得分：0)
不是使用正则表达式来获取日期，而是在空格上拆分行并提取日期可能更容易：
l = '81.52.143.15 - - [01/Apr/2008:00:07:20 -0600] "GET /robots.txt HTTP/1.1" 200 29 "-" Mozilla/5.0 (Windows; U; Windows NT 5.1; fr; rv:1.8.1) VoilaBot BETA 1.2 (http://www.voila.com/)"'
date = l.split()[3]
如果您正在处理非常大的文件，这可能比使用正则表达式更有效。