python - 日志文件的正则表达式

Question

我正在尝试提取从日志文件访问的唯一文件。即 "GET/socview/svspring01D.htm HTTP/1.1"*

据我所知，我想编写一个正则表达式来提取所有这些文件的格式。我已经完成了这个，但是我对此并不满意。我将不胜感激(我是编程新手)另外，因为我可以使用 GET 作为起点，所以我不想将其提取到字典中，有什么方法可以做到这一点吗？我正在使用字典来计算每个文件被访问的次数。

match = re.search (r'^GET.*\.1' ,logfile)

Answer 1

使用以下正则表达式:

^GET ([^\s]+).*$

然后匹配第一组$1获取文件名及其路径。 ^字符匹配字符串的开头，([^\s]+)匹配每个字符(尽可能多)直到下一个空白字符并形成一个匹配组。这是一个活生生的例子:https://regex101.com/r/pY7N0H/2

---

如果只想匹配文件名而不匹配路径，可以使用下面的正则表达式，查找第一个匹配项$1 (它需要相对路径，以 / 开头):

^GET (?:\/[^\/\s]+)*\/([^\s]+).*$

这是一个活生生的例子:https://regex101.com/r/SdXViV/1