如何让Ruby正则表达式在trace-id缺失时跳过该字段解析

问题场景 #

使用以下Ruby正则解析应用日志：

^time="?(?<timeapp>.*?)"? level="?(?<loglevel>.*?)"? msg="?(?<log>.*)"? trace-id=?(?<trace_id>.*?)$

日志示例：

time="2022-09-29T13:47:57Z" level=info msg="[AP] SKU:prem_30d_01.09.2018_1065_2_offer_trial, userID:202222" guid=cFhblwnH5 trace-id=75dddd-EFW

存在两个核心问题：

• trace-id字段非固定存在，原正则在该字段缺失时无法匹配日志
• msg字段的贪婪匹配会吃掉后续其他字段（如示例中的guid）

修正后的正则 #

支持msg内容含引号的版本 #

^time="?(?<timeapp>.*?)"? level="?(?<loglevel>.*?)"? msg="?(?<log>[^"]*(?:"[^"]*"[^"]*)*)"?(?:\s+trace-id=?(?<trace_id>.*))?$

简洁版（msg内容无嵌套引号时适用） #

^time="?(?<timeapp>.*?)"? level="?(?<loglevel>.*?)"? msg="?(?<log>.*?)"?(?:\s+trace-id=?(?<trace_id>.*))?$

关键修改说明 #

• 将trace-id相关匹配包装进可选非捕获组：(?:\s+trace-id=?(?<trace_id>.*))?$，?:避免生成额外捕获组，?标记整个组为可选，确保无trace-id的日志也能正常匹配
• 调整msg字段匹配逻辑：
  • 第一个版本用[^"]*(?:"[^"]*"[^"]*)*处理带引号的内容，支持msg值内包含引号的复杂场景
  • 第二个版本用.*?非贪婪匹配，遇到下一个空格+字段名（如trace-id=）或日志结尾时停止，避免误吞后续字段

验证效果 #

• 含trace-id的日志：可正确提取timeapp、loglevel、log、trace_id四个分组
• 不含trace-id的日志：可正确提取前三个分组，trace_id分组返回空值

内容的提问来源于stack exchange，提问作者Fun_93