Coursera《Ruby 2.5学习》Apache日志解析器IP重复计数问题排查

嘿，我来帮你揪出这个重复IP统计的问题！

这是这类问题最常见的踩坑点——你提取的IP看起来完全一样，但实际带有换行符（\n）、回车符（\r）或者多余空格，导致Ruby哈希把它们当成不同的键。比如一行日志的IP是87.99.82.183，另一行是87.99.82.183\n，肉眼看不出区别，但哈希会判定为两个独立的键，最终就出现了重复项。

快速解决办法：提取IP后立刻用strip方法清除前后所有空白字符：

# 如果用split提取IP
ip = line.split.first.strip

# 如果用正则匹配IP
ip = line.match(/\A\d+\.\d+\.\d+\.\d+/)[0].strip

你还可以先打印IP的inspect结果，直观排查有没有隐藏字符：

ip = line.split.first
puts ip.inspect # 要是输出"87.99.82.183\n"，那就是换行符在搞鬼

如果你的哈希操作逻辑有问题，比如每次遍历日志时都重置哈希，或者错误地覆盖计数，也会导致重复或计数错误。比如下面的错误写法：

# 错误示例：每次循环都新建哈希，只会保留当前行的IP
ip_counts = {}
File.foreach('apache.log') do |line|
  ip = line.split.first
  ip_counts = { ip => (ip_counts[ip] || 0) + 1 }
end

正确的逻辑应该是只初始化一次哈希，然后在循环里累加计数，推荐用带默认值的哈希简化操作：

ip_counts = Hash.new(0) # 键不存在时默认返回0，不用写判断逻辑
File.foreach('apache.log') do |line|
  ip = line.split.first.strip
  ip_counts[ip] += 1
end

要是你在循环内部就打印哈希内容，而不是等统计完成后再输出，也会看起来像出现了重复项。比如：

# 错误示例：每次处理一行就打印一次哈希，会看到IP计数从1涨到2的过程
ip_counts = Hash.new(0)
File.foreach('apache.log') do |line|
  ip = line.split.first.strip
  ip_counts[ip] += 1
  puts ip_counts # 这里会输出两次结果，看起来像重复
end

正确做法是等所有日志处理完，再打印最终的统计结果：

ip_counts = Hash.new(0)
File.foreach('apache.log') do |line|
  ip = line.split.first.strip
  ip_counts[ip] += 1
end

# 循环结束后再输出最终结果
ip_counts.each do |ip, count|
  puts "#{ip}: #{count}"
end

内容的提问来源于stack exchange，提问作者J F