技术头条 - 一个快速在微博传播文章的方式     搜索本站
您现在的位置首页 --> 算法 --> 日志扫描之利器:否定式前瞻的正则表达式

日志扫描之利器:否定式前瞻的正则表达式

浏览:2729次  出处信息

数据平台的源数据,很大部分来源于日志。一说到日志扫描和解析,不可避免就涉及到正则表达式匹配,没有了正则表达式,日志的匹配就很难做到自动化和高效。

在日志匹配中,有种常见的匹配情形,叫“不包含”。就是说,我们希望这条日志,在匹配某个通用特征的情况下,又不包含某个特征,例如说:

A pig is running.

我们希望匹配到所有带pig的日志,但是我们不希望匹配到pig带running的日志。而且我们不希望改程序,扫描或者解析2次,我们希望一次匹配就能匹配出,带pig而不带running的日志。

这种情况,貌似需要编程解决,但是强大而无所不能的正则表达式,早就考虑到了这种情况,并且优雅的解决了。这个正则表达式技术,就叫:

否定式前瞻

具体的否定式前瞻的解释,可以看看这篇图文并茂的文章,我相信没有那篇文章比它解释得更加通俗易懂了。

http://www.it118.org/Specials/61f53524-21fe-4ad9-a62b-0b6e515deaf9/412e8b3f-6008-4e4d-99d0-d2ac14f344f8.htm

我要在这里强调的只是两点:

1. 上面的文章,给出的正则表达式语法不是Java的,所以你照样copy的话,到了Java是不生效的。这里我翻译一下,给出Java个版本的否定式前瞻正则表达式,注意它同样适用于Python。

匹配淘宝item的url,但是不带ali_trackid

http://item.taobao.com/item.htm\?id=[0-9](?!.*ali_trackid).*

2. 这个表达式,重点是括号里面的(.*)和括号外面的.*。不能够写成 .*(?!.*ali_trackid).*。具体原因,参考文章中有详细的说明。

最后,补补正则表达式中,非捕获组的基本概念。

最后解释一下非捕获组的语法。我们都知道,Java和Python中,()表示捕获组,但是一旦是(?),就表示非捕获组了。具体解释可以看:

http://www.blogjava.net/sdyjmc/archive/2010/01/06/308391.html

前对应右,后对应坐,前瞻后顾,正则表达式之美也~~~其中,否定式前瞻的应用最为实用,日志扫描中,经常会用到,请细心体会研究。

建议继续学习:

  1. server日志的路径分析    (阅读:10110)
  2. AWStats简介:Apache/Windows IIS的日志分析工具的下载,安装,配置样例和使用(含6.9中文定义补丁)    (阅读:8858)
  3. 利用脚本分析日志并利用snmp自定义OID,再通过cacti画图    (阅读:8686)
  4. tomcat catalina.out日志切割每天生成一个文件    (阅读:8086)
  5. 分布式日志系统scribe使用手记    (阅读:8043)
  6. AWStats是一个基于Perl的WEB日志分析工具。    (阅读:6109)
  7. 正则表达式 — QQ微信、优酷前端 邮箱正则表达式验证 Bug    (阅读:5450)
  8. 使用nginx记日志    (阅读:5077)
  9. 大于2GB的Listener.log和运行超过198天的主机上的Oracle实例    (阅读:4872)
  10. 在 shell 脚本里打日志    (阅读:4784)
QQ技术交流群:445447336,欢迎加入!
扫一扫订阅我的微信号:IT技术博客大学习
© 2009 - 2024 by blogread.cn 微博:@IT技术博客大学习

京ICP备15002552号-1