Python：解析成对的日志文件

Question

我有一个日志文件，需要针对特定​​事件进行解析。 问题是我需要的数据来自成对的事件条目，每个条目都包含所需的数据片段。

例如，将有一行带有事件类型 = test 和一些数据，然后不久之后有另一行带有更多数据的事件类型 = test2。

文件中可能有许多这些数据对的实例，也可能没有。

我需要做的是告诉代码，当它找到带有 event=test 的行时，还要查找 event=test2 的下一个实例，它通常在日志中的后面几行。

这是数据文件的示例：

2020-08-25 03:36:56.006 INFO    Panda HOOK: {"event":"keepalive","time":1600.0064477}
2020-08-25 03:37:01.006 INFO    Panda HOOK: {"event":"keepalive","time":1605.0066958}
2020-08-25 03:37:06.004 INFO    Panda HOOK: {"event":"keepalive","time":1610.004206}
2020-08-25 03:37:11.003 INFO    Panda HOOK: {"event":"keepalive","time":1615.0032498}
2020-08-25 03:37:16.005 INFO    Panda HOOK: {"event":"keepalive","time":1620.0056292}
2020-08-25 03:37:21.001 INFO    Panda HOOK: {"event":"keepalive","time":1625.0011002}
2020-08-25 03:37:26.007 INFO    Panda HOOK: {"event":"keepalive","time":1630.0073155}
2020-08-25 03:37:31.008 INFO    Panda HOOK: {"event":"keepalive","time":1635.0086481}
2020-08-25 03:37:32.687 INFO    Scripting: event:type=test,initiator=Abe Lincoln,place=Washinton,
2020-08-25 03:37:21.001 INFO    Panda HOOK: {"event":"keepalive","time":1625.0011002}
2020-08-25 03:37:26.007 INFO    Panda HOOK: {"event":"keepalive","time":1630.0073155}
2020-08-25 03:37:31.008 INFO    Panda HOOK: {"event":"keepalive","time":1635.0086481}
2020-08-25 03:37:34.414 INFO    Scripting: event:type=test2,t=25277.04,type=comment,

这是我必须获得第一行的一些代码2020-08-25 03:37:32.687 INFO Scripting: event:type=test,initiator=Abe Lincoln,place=Washinton,

f = open('data.log', 'r')
lines = f.readlines()
test2Event = 'event:type=test2'
testEvent = 'event:type=test'
for string in lines:
    if testEvent in string:
        initPerson = string.split('initiator=')[1]
f = open('data.log', 'r')
lines = f.readlines()
test2Event = 'event:type=test2'
testEvent = 'event:type=test'
for string in lines:
    if testEvent in string:
        initPerson = string.split('initiator=')[1]
        person = initPerson.split(',')[0]
        print(person)

我收到此代码的错误以及到目前为止我想要的结果。 我不明白为什么，因为我使用了这个带有不同字符串的确切脚本来拆分没有问题。

结果

Abe Lincoln
Traceback (most recent call last):
  File "main.py", line 15, in <module>
    initPerson = string.split('initiator=')[1]
IndexError: list index out of range

关于如何获取下一行数据的任何建议，以便我可以将数据合并到一个数据库或类似的数据中，我们将不胜感激......以及任何有关为什么会发生错误消息的帮助，因为我看不到问题是。

代码和数据可在https://onlinegdb.com/Hyuuj7Mmv进行测试

Answer 1

两次读取整个文件绝对是多余的。 相反，在遍历文件时跟踪您之前所做的事情。

seen_test = False   # state variable for keeping track of what you have done
init_person = None  # note snake_case variable convention pro headlessCamelCase

with open('data.log', 'r') as f:
    for lineno, line in enumerate(f, start=1):
        if 'event:type=test,' in line:
            if seen_test:
                raise ValueError(
                    'line %i: type=test without test2: %s' % (
                        lineno, line))
            init_person = line.split('initiator=')[1].split(',')[0]
            seen_test = True
        elif 'event:type=test2' in line:
            if seen_test:
                # ... do whatever you want with init_person
                # maybe something like
                result = line.rstrip('\n').split(',')
                print('Test by %s got results %s' % (init_person, result[1:]))
            else:
                raise ValueError(
                    'line %i: type=test2 without test: %s' % (
                        lineno, line))
            seen_test = False

enumerate只是为了在出现故障时在错误信息中获取一个有用的行号； 如果您确定该文件的格式始终良好，则可以将其删除。

如果type=test行不包含initiator=这仍然会失败，但我们不知道在这种情况下做什么会有用，所以我不想解决这个问题。

演示： https : //repl.it/repls/OverdueFruitfulComputergames#main.py

Answer 2

这应该做你想做的：

import re

f = open('data.log', 'r')
lines = f.readlines()
results = {}
for line in lines:
    if "Scripting:" in line.strip():
        res = dict(re.findall(r"([^= ]+)=(.+?),", line.strip(), re.DOTALL))
        # if the eventtype ends with `2` and match an existing key in results, update data
        if res['event:type'][-1] == '2' and res['event:type'][:-1] in results:
            results[res['event:type'][:-1]].update(res)
        else:
            results[res['event:type']] = res

print(results)

# {'test': {'event:type': 'test2', 'initiator': 'Abe Lincoln', 'place': 'Washinton', 't': '25277.04', 'type': 'comment'}}