Apache的访问日志的正则表达式解析

我有Apache的自定义访问日志：Apache的访问日志的正则表达式解析

LogFormat "%h %l %u %t \"%r\" %>s %b \"%{Referer}i\" \"%{User-Agent}i\" %{JSESSIONID}C %D %V" mylog

我试图从Python的日志生成的解析;但我有两个问题：

没有请求方法（HTTP/1.0或HTTP/1.1）的请求没有正确解析。
对请求路径中的空格请求没有正确解析（我不知道Apache是否保存了此路径编码或保留空格，但我可以在telnet中手动生成一条LOG线）。

使用这个表达式：

(?P<ip>.*) (?P<remote_log_name>.*) (?P<userid>.*) \[(?P<date>.*)(?=) (?P<timezone>.*?)\] \"(?P<request_method>.*) (?P<path>.*)(?P<request_version> HTTP/.*)\" (?P<status>.*) (?P<length>.*) \"(?P<referrer>.*)\" \"(?P<user_agent>.*)\" (?P<session_id>.*) (?P<generation_time_micro>.*) (?P<virtual_host>.*)

解析失败，第3行此日志中：

1.1.1.2 - - [11/Nov/2016:03:04:55 +0100] "GET /" 200 83 "-" "-" - 9221 1.1.1.1 
127.0.0.1 - - [11/Nov/2016:14:24:21 +0100] "GET /uno dos" 404 298 "-" "-" - 400233 1.1.1.1 
127.0.0.1 - - [11/Nov/2016:14:23:37 +0100] "GET /uno dos HTTP/1.0" 404 298 "-" "-" - 385111 1.1.1.1 
1.1.1.1 - - [11/Nov/2016:00:00:11 +0100] "GET /icc HTTP/1.1" 302 - "-" "XXX XXX XXX" - 6160 11.1.1.1 
1.1.1.1 - - [11/Nov/2016:00:00:11 +0100] "GET /icc/ HTTP/1.1" 302 - "-" "XXX XXX XXX" - 2981 1.1.1.1

正则表达式可以在这里https://regex101.com/r/xDfSqj/2模拟。

来源

2016-11-11 okelet

你能帮我理解日期匹配后为什么使用前瞻'''（？=）'''？删除这似乎并没有改变正则表达式模拟器的结果，并根据apache文档，该空间始终存在。 – liquidki

尝试这种解决方案： https://regex101.com/r/xDfSqj/4

是你有，但同样的事情：

(?P<ip>.*?) (?P<remote_log_name>.*?) (?P<userid>.*?) \[(?P<date>.*?)(?=) (?P<timezone>.*?)\] \"(?P<request_method>.*?) (?P<path>.*?)(?P<request_version> HTTP/.*)?\" (?P<status>.*?) (?P<length>.*?) \"(?P<referrer>.*?)\" \"(?P<user_agent>.*?)\" (?P<session_id>.*?) (?P<generation_time_micro>.*?) (?P<virtual_host>.*)

A捕获组已被添加各地的HTTP/1.0和给出的？量词。这也被添加到您的其他组，以防止贪婪捕获。

这是你想要实现的吗？

来源

2016-11-11 14:58:04 Himself12794

Apache的访问日志的正则表达式解析

回答

相关问题