Apacheログパーサー

Apache ログ (結合形式) は正確な構造を持っています。

127.0.0.1 - - [10/Oct/2024:13:55:36 +0000] "GET /index.html HTTP/1.1" 200 1234

名前付きグループ を使用したパターンでは、すべてのフィールドが 1 回のショットで抽出されます。

^(?<ip>\d+\.\d+\.\d+\.\d+)\s+\S+\s+\S+\s+\[[^\]]+\]\s+"(?<metodo>\w+)\s+(?<path>\S+)\s+\S+"\s+(?<status>\d+)\s+(?<size>\d+)

巨大に見えますが、これは単純なパターンを連結したものです。

• (?<ip>\d+\.\d+\.\d+\.\d+) -- ソース IPv4。
• \s+\S+\s+\S+ -- ユーザー ID (通常は -)。
• \[[^\]]+\] -- 角括弧内の日付。
• "(?<metodo>\w+)\s+(?<path>\S+)\s+\S+" -- HTTP メソッド、パス、バージョンを含む引用符で囲まれたリクエスト。
• (?<status>\d+)\s+(?<size>\d+) -- ステータス コードと送信されたバイト数。

一般的な戦略

1. 実際の行から開始し、区切り文字を固定します: スペース、引用符、括弧。
2. 区切り文字の間で、トークンのタイプ (IP、単語、数値) を識別します。
3. 抽出する必要があるものだけを 名前付きグループでラップします。

複雑なログの解析

ログ解析では、引用符で囲まれた文字列や括弧 (ユーザー エージェントなど) が含まれる場合を除き、フィールドは通常スペースで区切られます。ワイルドカード ドットの代わりに除外文字クラスを使用すると、複数の列が誤ってマージされるのを防ぐことができます。

試してみてください

復習演習

追加の課題