在python中解析自定义日志文件

Question

我有一个带有换行符的日志文件

示例文件：

2019-02-12T00:01:03.428+01:00 [Error] ErrorCode {My error: "A"} -  -  - 00000000-0000-0000-6936-008007000000 
2019-02-12T00:01:03.428+01:00 [Error] ErrorCode {My error: "A"} -  -  - 00000000-0000-0000-6936-008007000000 
2019-02-12T00:03:23.944+01:00 [Information] A validation warning occurred: [[]] while running a file,
--- End of stack trace ---
    FileNotFoundError
--- End of stack trace from previous location where exception was thrown ---
    System Error

我想将数据拆分为三列，即Timestamp，type_code，以显示事件是错误，警告还是信息，然后是消息。

我使用了split功能：

currentDict = {"date":line.split("] ")[0].split(" [")[0],
                   "type":line.split("] ")[0].split(" [")[1],"text":line.split(" ]")[0].split("] ")[1]}

要拆分给定列中的数据，它可以正常工作但如果我有一个如下所示的条目则会出错

2019-02-12T00:03:23.944+01:00 [Information] A validation warning occurred: [[]] while running a file,
--- End of stack trace ---
    FileNotFoundError
--- End of stack trace from previous location where exception was thrown ---
    System Error

第二种方法是使用正则表达式

with open(name, "r") as f:
         for lines in f:
             data_matcher = re.findall("^\\d{4}[-]?\\d{1,2}[-]?\\d{1,2}T\\d{1,2}:\\d{1,2}:\\d{1,2}.\\d{1,3}[+]?\\d{1,2}:\\d{1,2}",
                              lines)

使用这个我只能提取时间戳，但坚持如何提取下一个字段。

Answer 1

您的正则表达式不需要精确：

import re

log_pattern = re.compile(r"([0-9\-]*)T([0-9\-:.+]*)\s*\[([^]]*)\](.*)")

with open(name, "r") as f:
  for line in f:
      match = log_pattern.match(line)
      if not match:
        continue
      grps = match.groups()
      print("Log line:")
      print(f"  date:{grps[0]},\n  time:{grps[1]},\n  type:{grps[2]},\n  text:{grps[3]}")

你甚至可以想象不那么精确，例如r"(.*)T([^\s]*)\s*\[([^]]*)\](.*)"也可以。这是一个很好的工具，用于测试正则表达式：regex101。

Answer 2

解析时的一个好建议是停止尝试一次性完成任务（即使它很有趣）。例如，编写一个大的正则表达式来解析所有内容：

re.findall("...", TEXT)

或者从单个（有时是链接的）代码行中的一段文本中提取值：

LINE.split("...")[...].split("...")[...]

相反，将逻辑分解为一系列简单的步骤（通常分配给中间变量），其中每个步骤为另一个简单的步骤做好准备。在您的情况下，这些步骤可能是：

time, rest = line.split(' [', 1)
line_type, msg = rest.split('] ', 1)

在乱七八糟的数据的现实世界中，有时需要在小步骤之间添加错误处理或健全性检查逻辑。