日志文件的正则表达式

Question

我正在尝试从日志文件中提取访问过的唯一文件，例如"GET /socview/svspring01D.htm HTTP/1.1"*

因为我知道要提取的格式，所以我想写一个正则表达式来提取所有这些文件。我已经写了一个，但我对它不是很满意。我希望能得到一些帮助（我是编程新手）。 另外，由于我可以使用GET作为起点，所以我不想将其提取到字典中，是否有任何方法可以做到这一点？我正在使用一个字典来计算每个文件被访问的次数。

match = re.search (r'^GET.*\.1' ,logfile)

- Deirdre

---

你想要仅获取文件名吗？你使用的编程语言是什么？ - Jan

Python，是的，只需文件名。 - Deirdre

Answer 1

请使用以下正则表达式：

^GET ([^\s]+).*$

然后匹配第一组$1，以获取文件名及其路径。 ^字符匹配字符串的开头，([^\s]+)匹配每个字符（尽可能多地匹配）直到下一个空格字符，并形成匹配组。这是一个实时示例：https://regex101.com/r/pY7N0H/2

---

如果您只想匹配文件名而不包括路径，可以使用以下正则表达式，并查找第一个匹配项$1（它需要相对路径，以/开头）：

^GET (?:\/[^\/\s]+)*\/([^\s]+).*$

这是一个实时示例：https://regex101.com/r/SdXViV/1

- ssc-hrep3

Answer 2

你可以使用（regex101.com上的演示）：

(?:GET|POST)\s+(/\S+)
# GET or POST
# followed by whitespaces
# (capture / and no whitespaces at least once)

---

在Python中，这将是：

import re

rx = re.compile(r'(?:GET|POST)\s+(/\S+)')

string = """
"GET /socview/svspring01D.htm HTTP/1.1"*
"GET /socvdsdiew/svspring0fsff323231D.htm HTTP/1.1"*
"GET /socvhdhdhdiew/svspring0323231D.htm HTTP/1.1"*
"POST /socddssdview/sveweweasd423232spring01D.htm HTTP/1.1"*
"""

files = rx.findall(string)
print(files)
# ['/socview/svspring01D.htm', '/socvdsdiew/svspring0fsff323231D.htm', '/socvhdhdhdiew/svspring0323231D.htm', '/socddssdview/sveweweasd423232spring01D.htm']

- Jan