td-agent中的可选正则化模式

Question

我有两种不同格式的日志行，您可以使用这个站点进行测试

我需要将可选的客户端部分保留在下面的行中，如果它存在，它将结束，否则它将忽略。

\[(?<date>[^\]]*)\] \[(?<level>[^\]]*)\] \[(?<pid-tid>[^\]]*)\] (\[(?<client>[^\]]*)\]) (?<message>[^\]]*)

日志线-没有客户端

月18日21:55:58.239970 2016年pid 2769:tid 140041068427008 AH01114: HTTP:未能连接到后端: xx.xxx.xx.xx

日志行-与客户端

月18日21:55:58.239970 2016年pid 2769:tid 140041068427008 AH01114: HTTP:未能连接到后端: xx.xxx.xx.xx

我尝试过类似(.*?clientsection) -> 0或更多匹配

\[(?<date>[^\]]*)\] \[(?<level>[^\]]*)\] \[(?<pid-tid>[^\]]*)\] (.*?(\[(?<client>[^\]]*)\])) (?<message>[^\]]*)

但不起作用

Answer 1

在第二个表达式中，(.*?(\[(?<client>[^\]]*)\]))部件匹配一个强制空间，然后尽可能少地捕获任何0+字符，然后将]以外的0+字符捕获到"client“组中，然后匹配将其放置在编号捕获组中的]。如果文本中缺少客户端部分，则表达式将尝试匹配第一个空格，然后是一个[...]子字符串，然后再匹配一个空格。

如果要修复regex，则需要使"client“组可选，并确保相邻上下文也是可选的。

将(.*?(\[(?<client>[^\]]*)\]))替换为(?: \[(?<client>[^\]]*)\])?。在这里，(?:...)?是一个可选的非捕获组，它将不创建子组(没有捕获)，并且只在所有这些序列都存在的情况下匹配其模式的1或0次出现。

请参阅Rubular演示 (由于多行字符串用于测试，因此将\n添加到否定字符类中)。