regex-log-extract

针对 Nginx/应用日志编写可复用正则表达式，提取 IP、耗时、状态码、traceId，并给出分组与贪婪匹配避坑指南： 1. 常见日志格式示例（Nginx combined log + traceId）： ``` 192.168.1.100 - - [10/Oct/2023:14:55:36 +0800] "GET /api/user HTTP/1.1" 200 1234 "-" "Mozilla/5.0" "0.045" "abc-123-def-456" ``` 2. 可复用正则表达式（支持提取关键字段）： ```regex ^(?<ip>\d{1,3}(?:\.\d{1,3}){3})\s+-\s+-\s+\[[^\]]+\]\s+"[^"]*"\s+(?<status>\d{3})\s+\d+\s+"[^"]*"\s+"[^"]*"\s+"(?<duration>\d+\.\d+)"\s+"(?<traceId>[^"]*)" ``` 3. 字段说明与分组命名： - `ip`：客户端 IP 地址（如 192.168.1.100） - `status`：HTTP 状态码（如 200） - `duration`：请求耗时（单位通常为秒，如 0.045） - `traceId`：分布式追踪 ID（如 abc-123-def-456） 4. 贪婪匹配避坑要点： - 使用非贪婪匹配 `.*?` 避免跨字段捕获（尤其在复杂日志中） - 对固定结构部分使用精确匹配（如 `\d{3}` 匹配状态码） - 用字符类 `[^\s"]+` 替代 `.` 防止过度匹配 - 对引号内内容使用 `"[^"]*"` 而非 `".*?"`，性能更优且更稳定 5. 增强版正则（兼容更多格式，推荐）： ```regex ^(?<ip>\S+)\s+\S+\s+\S+\s+\[[^\]]+\]\s+"[^"]*"\s+(?<status>\d{3})\s+\S+\s+"[^"]*"\s+"[^"]*"\s+"(?<duration>[0-9.]+)"\s+"(?<traceId>[^"\s]*)" ``` 6. 使用建议： - 在编程语言中使用命名捕获组（如 Python 的 `(?P<name>...)`，Java 的 `(?<name>...)`） - 预处理日志确保格式统一 - 对异常日志添加兜底匹配或日志清洗逻辑 - 测试时覆盖边界情况（如缺失 traceId、超长耗时等） 该正则可直接集成到日志分析工具（如 ELK、Grafana Loki）或自定义脚本中，实现高效字段提取。

存档时间线

版本索引永久保留；内容副本只保留最新 1 份，更早版本仅留索引与哈希（存档时间线的证据链不会因此断裂）。

下载存档内容副本