从一行中提取内容

Question

我试图用短语表达我的访问日志文件，为此，我只是简单地逐行读取访问日志文件，并从每行中提取有用的信息，最后将它们添加到数据库中。

例如，一条线看起来像这样。

124.99.152.202 - naveen [22/Nov/2013:10:41:17 +1300] "GET /p/V4ZkA5d074CTy_vbFa7nLw,1385070078/IneedThisInteger/12.txt HTTP/1.1" "200" "3" "-" "Mozilla/5.0" "-"

我只知道如何提取IP地址。（使用此方法 ）

我要提取

1. 此请求值GET /p/V4ZkA5d074CTy_vbFa7nLw,1385070078,IneedThisInteger/12.txt HTTP/1.1

2. 上面部分的整数值IneedThisInteger

3. 这个状态的一部分200

4. 该字节的第3

有时要求更改URL是最后一部分 ，

"GET /p/V4ZkA5d074CTy_vbFa7nLw,1385070078,IneedThisInteger/FOLDER/12.txt HTTP/1.1"
"GET /p/V4ZkA5d074CTy_vbFa7nLw,1385070078,IneedThisInteger/FOLDER/ANOTHER FOLDER/12.txt HTTP/1.1"
"GET /p/V4ZkA5d074CTy_vbFa7nLw,1385070078,IneedThisInteger/FOLDER/ANOTHER FOLDER/HEREIS-ANOTHER-FOLDER-AND-SO-ON/12.txt HTTP/1.1"

因此，我确实需要一种稳定的方法来从每一行中获取这些值。

Answer 1

假设您总是有GET请求，这应该可以解决问题

"(GET /.*?/.*?,\d+,(\d+)/.*?)"\s"(\d+)"\s"(\d+)"

有关表达式的解释，请参见regex101.com 。

Answer 2

这应该可以解决问题：

^(\d{1,3}\.\d{1,3}\.\d{1,3}\.\d{1,3}).*?"(.*?/p/.*?,\d+,(\d+).*?)" "(\d+)" "(\d+)".*$

这是一个小提琴来演示： http : //www.rexfiddle.net/3sDwWut

为了测试目的，我用实际数字替换了您的“我需要此整数”，并且还对“字节”和IP地址进行了一些随机化处理。 这些是捕获，按顺序：

1. 知识产权
2. 请求（例如GET xxx HTTP/1.1 ）
3. 您想要的网址中的整数
4. HTTP状态
5. 字节数