python搜索文件和使用正则表达式解析

Question

我是python新手。我试图编写一个快速而脏的python脚本来查找某些字符串日志文件并从该行中提取某些信息。在日志文件中的行看起来像这样

2012-08-01 13:36:40,449 [PDispatcher: ] ERROR Fatal error DEF_CON encountered. Shutting down 
2012-08-01 14:17:10,749 [PDispatcher: ] INFO Package 1900034442 Queued for clearance. 
2012-08-01 14:23:06,998 [PDispatcher: ] ERROR Exception occurred attempting to lookup prod id 90000142 

我有一个函数，其中输入参数将是一个文件名和模式数组寻找。目前我可以找到文件中包含一个或多个指定模式的所有行（尽管不知道它是否是最有效的方式），并且我可以提取行号和行。

def searchLogs(fn, searchPatterns): 
    res = [] 
    with open(fn) as f: 
     for lineNo, line in enumerate(f, 1): 
      #check if pattern strings exist in line 
      for sPattern in searchPatterns: 
       if sPattern in line: 
        fountItem = [fn, pattern, lineNo, line] 
        res.append(fountItem) 
    return res 

searchLogs("c:\temp\app.log", ["ERROR", "DEF_CON"]) #this should return 3 elements based on the above log snipped (2 for the first line and 1 for the third line) 

我想要做的还是提取日期和时间，同时搜索。因此，我正在考虑将搜索模式修改为具有分组功能的正则表达式字符串，以便搜索和提取日期。只有一个问题，我不知道如何在Python中做到这一点...任何帮助，将不胜感激。

编辑（解决方案）：从塞巴斯蒂安帮助和乔尔提供的链接，我想出了这个解决方案：

def search_logs(fn, searchPatterns): 
    res = [] 
    with open(fn) as f: 
     for lineNo, line in enumerate(f, 1): 
      #check if pattern strings exist in line 
      for sPattern in searchPatterns: 
       #crude reg ex to match pattern and if matched, 'group' timestamp 
       rex = r'^(.+) \[.*' + pattern 
       ms = re.match(rex, line) 
       if ms: 
        time = ms.group(1) 
        item = Structs.MatchedItem(fn, pattern, lineNo, line, time) 
        res.append(item) 
    return res 

search_logs("c:\temp\app.log", ["ERROR", "DEF_CON"]) #this should return 3 elements based on the above log snipped (2 for the first line and 1 for the third line) 

Answer 1

有两个部分：

• 提取日期时间字符串
• 将其解析为日期时间对象

对于以后你可以使用datetime.strptime() function：

try: 
    dt = datetime.strptime(line.split(" [", 1)[0], "%Y-%m-%d %H:%M:%S,%f") 
except ValueError: 
    dt = None 

前者取决于如何定期您的日志文件，并希望该解决方案是如何例如快速稳健，line.split(" [", 1)[0]是快，但很脆弱。更强大的解决方案是：

' '.join(line.split(None, 2)[:2]) 

但它可能会更慢。

Answer 2

这是你的正则表达式。我已经测试了正则表达式，但不是全部的代码

def searchLogs(fn, searchPatterns): 
    res = [] 
    with open(fn) as f: 
     for lineNo, line in enumerate(f, 1): 
      #check if pattern strings exist in line 
      for sPattern in searchPatterns: 
       if sPattern in line: 
        date = re.search(r'(19|20)\d{2}-(0[1-9]|[12])-(0[1-9]|[12][0-9]|3[01])',line).group() 
        time = re.search(r'\b([01][0-9]|2[0-3]):([0-5][0-9]):([0-5][0-9]),[0-9][0-9][0-9]',line).group() 
        fountItem = (fn, pattern, lineNo, date, time, line) # prefer a tuple over list 
        res.append(fountItem) 
    return res 

PS：RE比较总是在错误的地方痛。让我知道你是否需要解释。 :)