如何编写正则表达式从日志文件提取匹配分组，获取全部所需指定字段

你原有正则无法匹配全字段的核心原因是没有适配日志的格式特征：时间字段被方括号包裹、包含大量非单词字符，请求字段被双引号包裹，你原有规则均未做适配。调整后的正则如下：

pattern = r"""
(?P<host>\d{1,3}\.\d{1,3}\.\d{1,3}\.\d{1,3})  # 匹配IP格式的host
\ -\ 
(?P<user>\w+)  # 匹配用户名
\ \[
(?P<date>[^\]]+)  # 匹配方括号内的所有日期内容，直到遇到闭合方括号
\]\ "
(?P<req>[^"]+)  # 匹配双引号内的所有请求内容，直到遇到闭合双引号
\"
"""

使用时需要开启re.VERBOSE模式忽略正则中的空格和注释，完整调用示例：

import re

# 你的日志样例
log_line = '219.133.7.154 - price5585 [21/Jun/2019:15:45:53 -0700] "GET /incubate/incubate HTTP/1.1" 201 12126'
match_obj = re.match(pattern, log_line, re.VERBOSE)
if match_obj:
    # 按要求格式输出
    res = "{host: %s, user: %s, date: %s, req: %s}" % (
        match_obj.group("host"),
        match_obj.group("user"),
        match_obj.group("date"),
        match_obj.group("req")
    )
    print(res)

运行后即可输出你需要的格式结果。

内容的提问来源于stack exchange，提问作者Olga Wold