Apache-logparser

Apache-logboeken (gecombineerd formaat) hebben een precieze structuur:

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

Een patroon met benoemde groepen extraheert elk veld in één keer:

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

Het ziet er monsterlijk uit, maar het is de aaneenschakeling van eenvoudige patronen:

• (?<ip>\d+\.\d+\.\d+\.\d+) -- de bron-IPv4.
• \s+\S+\s+\S+ -- de gebruikers-ID's (meestal -).
• \[[^\]]+\] -- de datum tussen vierkante haken.
• "(?<metodo>\w+)\s+(?<path>\S+)\s+\S+" -- het verzoek tussen aanhalingstekens, met HTTP-methode, pad en versie.
• (?<status>\d+)\s+(?<size>\d+) -- statuscode en bytes verzonden.

Algemene strategie

1. Begin vanaf de echte regel en zet de scheidingstekens vast: spaties, aanhalingstekens, haakjes.
2. Identificeer tussen scheidingstekens het type token (IP, woord, nummer).
3. Verpak alleen datgene in benoemde groepen dat u wilt extraheren.

Complexe logboeken parseren

Bij het parseren van logboeken worden velden gewoonlijk door spaties gescheiden, behalve wanneer ze tekenreeksen tussen aanhalingstekens of haakjes bevatten (bijvoorbeeld de user-agent). Het gebruik van uitsluitingskarakterklassen in plaats van de jokerteken voorkomt dat meerdere kolommen verkeerd worden samengevoegd.

Probeer het

Oefening beoordelen

Extra uitdaging