正則表達式可能會略有不同的日誌行 - 火花

Question

我可以寫一個匹配一個日誌行的正則表達式。但是我的文件包含一些不同於其他日誌行的日誌行，因爲只有一些額外的字段或少數幾個字符，鍵值對會混淆在一起。

例如，一個日誌行： case_id=1 event_id=35654423 date=30-12-2010 time=11.02 activity=registerrequest name=Pete costs=50 rerr="-"

另一個問題：case_id=1 event_id=35654424 date=31-12-2010 time=11.07 costs=400 rerr="-" activity=examinethoroughly name=Sue rloc="-"

我的日誌模式= "^([^\s]+)\s([^\s]+)\s([^\s]+)\s([^\s]+)\s([^\s]+)\s([^\s]+)\s([^\s]+)\s([^\s]+)" 這是我在火花分組代碼：

match = re.search(LOG_PATTERN,line) 
Case_ID = match.group(1) 
Event_ID = match.group(2) 
Date = match.group(3) 
Time = match.group(4) 
Activity = match.group(5) 
Resource = match.group(6) 
Costs = match.group(7) 
Rerr = match.group(8) 

此代碼將只匹配第一個日誌行。 如何編寫正則表達式，以便我可以將它們組合成火花而不忽略任何日誌行？

Answer 1

我建議你使用一個簡單的正則表達式來抓取鍵和值：

rx = "(\\S+)=(\\S+)" 

或

rx = "(\\w+)=(\\S+)" 

看到一個regex demo。

然後，創建一個字典，re.findall：

d = dict([(x,y) for x,y in re.findall(rx,line)]) 

然後，您可以訪問每個鍵值。