正则表达式帮助解析SQLIO输出

Question

我一直在使用一个正则表达式来解析一系列SQLIO运行的输出。我已经走得相当远了，但还没有完全走到那一步。我正在寻求一个100%正则表达式的解决方案，没有预操作的输入。有没有人可以提供一些关于以下正则表达式的指导：

.*v(?<SQLIOVersion>\d\.\d).*\n.*\n(?<threads>\d*)\s.*for\s(?<Seconds>\d+).*\n.*using\s(?<clustersize>[0-9]*)KB.*\n.*\n.*size:\s(?<currentfilesize>\d+).*\n.*\n.*\n.*\n.*\s(?<IOs>\d*\.\d*).*\n.*\s(?<MBs>\d*\.\d*).*\n.*\n.*\s(?<MinLatency_ms>\d+).*\n.*\s(?<AvgLatency_ms>\d+).*\n.*\s(?<MaxLatency_ms>\d+).*\n.*\n.*\n\%\:..(?<ms>\d*\s+)*

下面是输出的一个片段-请注意标头，它们在SQLIO批处理运行期间发生了变化：File

Answer 1

问题似乎出在这里：

    using 8KB random IOs
    buffering set to use hardware disk cache (but not file cache)

捕获集群大小后，在继续捕获文件大小之前，使用.*\n使用第二行，但有时还有第三行：

    using 8KB random IOs
    enabling multiple I/Os per thread with 8 outstanding
    buffering set to use hardware disk cache (but not file cache)

我将(?:.*\n)?添加到正则表达式的相关部分，现在它匹配所有36个条目。

我知道你想要100%的正则表达式，但是你有没有考虑过用带注释的扩展格式编写正则表达式(例如，IgnorePatternWhitespace模式)？我还建议在regex中使用更多的文字文本，这样更容易理解。例如,

(?<threads>\d+) threads? reading for (?<Seconds>\d+) secs.*\n

而不是

(?<threads>\d*)\s.*for\s(?<Seconds>\d+).*\n

不可读的代码是不可维护的代码，正则表达式需要所有它们可以得到的帮助。:-/

Answer 2

让计数行见鬼去吧，只要顺序不变，你可以做下面的事情。哦，在大型正则表达式中使用/x会有所帮助。;)

qr§
^sqlio\s+v(?<SQLIOVersion>\d+\.\d+)

(?> # atomic match, dont backtrack in here when matched
.{0,400}? # dont match so far that we can get the next result
(?<threads>\d+)\s+thread)

(?>.{0,400}?
\b for\s+(?<Seconds>\d+)\s*sec)

(?>.{0,400}?
\b using\s+(?<clustersize>\d+)\s*KB)

(?>.{0,400}?
\b size:\s+(?<currentfilesize>\d+))

(?>.{0,400}?
\b IOs/sec\D*(?<IOs>\d+\.\d+))

(?>.{0,400}?
\b MBs/sec\D*(?<IOs>\d+\.\d+))

(?>.{0,400}?
\b Min_Latency\D*(?<MinLatency_ms>\d+))

(?>.{0,400}?
\b Avg_Latency\D*(?<AvgLatency_ms>\d+))

(?>.{0,400}?
\b Max_Latency\D*(?<MaxLatency_ms>\d+))

(?>.{0,400}?
^\%:\s*(?<ms>(?:\d+\s+)+))

§mixs

PCRE/Perl qr§用于报价。