如何编写正则表达式正确提取Java日志中带堆栈的完整ERROR日志

核心正则表达式 #

直接用下面的正则即可，覆盖所有常见日志场景，无冗余写法：

\d{4}-\d{2}-\d{2}\s\d{2}:\d{2}:\d{2},\d{3}\sERROR[\s\S]*?(?=\n\d{4}-\d{2}-\d{2}\s\d{2}:\d{2}:\d{2},\d{3}|\Z)

如果用Python编写，raw字符串写法为：

ERROR_LOG_REG = r'\d{4}-\d{2}-\d{2}\s\d{2}:\d{2}:\d{2},\d{3}\sERROR[\s\S]*?(?=\n\d{4}-\d{2}-\d{2}\s\d{2}:\d{2}:\d{2},\d{3}|\Z)'

规则拆解 #

• 起始锚定：\d{4}-\d{2}-\d{2}\s\d{2}:\d{2}:\d{2},\d{3}\sERROR 精准匹配标准日期时间开头的ERROR日志行，不会误匹配日志正文里的ERROR关键字。
• 内容匹配：[\s\S]*? 是解决之前冗余、匹配不全问题的核心：
  • 用[\s\S]代替.+换行符的拼接写法，可以直接匹配所有字符包括换行，同时兼容堆栈行用空格/制表符缩进的不同格式，不需要单独写换行、缩进的重复规则。
  • 用*?非贪婪匹配，解决贪婪匹配导致的“仅匹配到最后一段内容”的问题——非贪婪模式会匹配到第一个终止条件就停止，不会无限制向后吞内容。
• 终止判断：(?=\n\d{4}-\d{2}-\d{2}\s\d{2}:\d{2}:\d{2},\d{3}|\Z) 用正向零宽断言做终止判断，不会把下一条日志的开头纳入匹配结果，同时覆盖两种场景：
  • 碰到下一条带标准日期前缀的新日志时停止
  • 匹配到整个日志文件末尾（\Z）时停止，不会漏掉文件最后一条ERROR日志

按需调整版本 #

如果需要严格过滤掉不带堆栈跟踪的ERROR日志，只需要在正则中加入Java堆栈固定存在的at调用行特征即可：

\d{4}-\d{2}-\d{2}\s\d{2}:\d{2}:\d{2},\d{3}\sERROR[\s\S]*?\n\s*at\s[\s\S]*?(?=\n\d{4}-\d{2}-\d{2}\s\d{2}:\d{2}:\d{2},\d{3}|\Z)

这个版本会自动跳过只有一行错误信息、没有堆栈的ERROR日志，完全匹配提取需求。

匹配效果验证 #

用提供的示例日志做匹配，返回结果正好是从ERROR起始行到DEBUG行之前的完整堆栈块，不会截断内容也不会带上后续其他级别的日志。

内容的提问来源于stack exchange，提问作者user388794