使用 Python 使用正则表达式从日志文件中提取文件名

Question

希望创建从日志文件访问的文件列表。文件中的两个字符串示例如下所示。

..... [08/Mar/2020:19:11:15 -0700] "GET /socview/15Ragged.htm HTTP/1.1" 200 6564 .........

..... [08/Mar/2020:19:11:31 -0700] "GET /socview/?C=D;O=A HTTP/1.1" 200 13443 ...............

/socview/15Ragged.htm 是我要提取的内容。以 .htm .log .txt 等结尾

/socview/?C=D;O=A 是我试图避免提取的内容。

好像是“.”是什么导致了问题，因为当我运行代码而不搜索它时，即。运行下方的 RE 完美地作为此 post.

底部显示的循环的一部分

unique = re.search(r'GET (\S+)', x)

但是它正在提取我不想要的字符串。下面是我正在尝试使用的循环和 RE，这对我来说很有意义，当运行显示以下消息时，我无法弄清楚出了什么问题。任何帮助将不胜感激

"if unique.group(1) 不在 unilist:

AttributeError: 'NoneType' 对象没有属性 'group'"

for x in input:
     unique = re.search(r'GET (\S+\.\S+)', x)

     if unique.group(1) not in unilist:
           unilist.append(unique.group(1))

Answer 1

GET (\S+\.\S+)没问题。问题是 re.search() returns None 如果匹配失败，那么对于你提供的第二个字符串 unique 是 None 没有group 属性.

尝试以下操作：

for x in input:
    unique = re.search(r'GET (\S+\.\S+)', x)

    if unique is None:
        continue

    if unique.group(1) not in unilist:
           unilist.append(unique.group(1))

我建议您使用更好的变量名。例如 input 是 Python 中的一个内建函数，避免隐藏它。如果循环体增长，将很难遵循 x.

这样的名称

此外，我建议像这样预编译正则表达式，否则它会在每个循环中编译它，这非常耗时:

matcher = re.compile("GET (\S+\.\S+)")

for line in lines:
    # your loop body here

使用 Python 使用正则表达式从日志文件中提取文件名

Using a regular expression to extract a file name from a logfile using Python

python

regex

logfile