1
我有一個項目，我正在解析Tomcat日誌以獲取有用的信息。起初，這個程序非常簡單，只需一個grep即可輕鬆完成。但是，一旦意識到這些信息可能有用，我就被要求做更多更復雜的解析。用戶代理字符串：我應該捕獲什麼？
它已經到了我想要將日誌條目的通用信息存儲在數據庫中的位置，然後執行各種查詢以獲取自定義報告。這些信息大部分是相當直接的，很容易解析。
- 有IP地址和代理地址。例如，我現在有一份來自我們聘用的公司的1萬個IP地址列表，用於測試我們的應用安全性。因此，我們希望忽略任何報告中來自這些IP地址的條目。
- 有會話ID：我需要一個報告，其中用戶在頁面「B」之前前往頁面「A」，但不是在頁面「C」之後瀏覽頁面。會話ID允許我跟蹤這種行爲。
- 有時間和日期。
- 有HTTP響應代碼。
- 這是否是GET或POST操作。
- 有網頁本身（和可能的值通過GET傳遞）。
最後是用戶代理混亂...我的意思是用戶代理字符串。
用戶代理字符串似乎有一個相當鬆散的佈局。例如，他們中的99％以Mozilla/4.0開頭，儘管其中大多數來自瀏覽器與Mozilla，Netscape或Firefox無關，甚至不使用Gecko佈局引擎。
不幸的是，用戶代理字符串在我們的報告中變得相當重要。例如，我們需要知道有多少人在使用Safari或使用任何移動瀏覽器，或者在基於Linux的系統上使用Windows與iOS。
最大的問題是我不知道將來可能會有什麼要求，所以我不能100％確定哪些信息是有用的，哪些是無用的（看起來99.7％的用戶使用Mozilla 4.0瀏覽器！）。
那麼，你將如何解析用戶代理字符串，並提取有用的信息，我可以產生一個報告？