使用java正则表达式解析apache日志文件

Question

我试图解析一个 apache 日志文件，并且使用以下模式运行正常：

^([\\d.]+) (\\S+) (\\S+) \\[([\\w:/]+\\s[+\\-]\\d{4})\\] \"(.+?)\" (\\d{3}) (\\d+) \"([^\"]+)\" \"([^\"]+)\"[\\W]+

但是，它中断了以下日志：

218.30.103.62 - - [17/May/2015:11:05:11 +0000] "GET /robots.txt HTTP/1.1" 200 - "-" "Sogou web spider/4.0(+http://www.sogou.com/docs/help/webmasters.htm#07)"\

我对正则表达式并没有真正的经验，我几乎在尝试错误和试验方法，任何帮助将不胜感激。 （我知道 d+ 它不应该在那里，但这几乎是我所知道的......）

任何想法？ 谢谢

Answer 1

你的格式是：

"%h %l %u %t \"%r\" %>s %b \"%{Referer}i\" \"%{User-agent}i\""

（见 这里）

所以你的正则表达式将是：

"^(\\S+) (\\S+) (\\S+) \\[(.+?)\\] \\\"(.+?)\\\" (\\d{3}) (\\S+) \\\"(.+?)\\\" \\\"(.+?)\\\"[\\W]+ $"

匹配组在哪里（我使用 apache 文档中定义的引用）：

1. ％H
2. %l
3. %u
4. %t（不包含[] ）
5. %r
6. %>s
7. %b
8. %{推荐人}i
9. %{用户代理}i

注意 - 您的正则表达式有点过于复杂，它失败的原因是因为 %b 并不总是一个数字 - 当请求不返回字节时，它将是-而不是0 。