使用java正則表達式解析apache日志文件

Question

我試圖解析一個 apache 日志文件，並且使用以下模式運行正常：

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

但是，它中斷了以下日志：

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)"\

我對正則表達式並沒有真正的經驗，我幾乎在嘗試錯誤和試驗方法，任何幫助將不勝感激。 （我知道 d+ 它不應該在那里，但這幾乎是我所知道的......）

任何想法？ 謝謝

Answer 1

你的格式是：

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

（見 這里）

所以你的正則表達式將是：

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

匹配組在哪里（我使用 apache 文檔中定義的引用）：

1. ％H
2. %l
3. %u
4. %t（不包含[] ）
5. %r
6. %>s
7. %b
8. %{推薦人}i
9. %{用戶代理}i

注意 - 您的正則表達式有點過於復雜，它失敗的原因是因為 %b 並不總是一個數字 - 當請求不返回字節時，它將是-而不是0 。