说明
在我的日志中，有很多这样的行:
"[14/Oct/2014:13:02:15 +0200]","70","-","192.168.1.1","/API-1.2/testeo_keyword/vcn,ge/channel,rateber/site,bla_.de/keyword,null/px2.js","?ts=0.3054514767395726", "200","+", "http://www.bla.de/Arzt/Baden-W%C3%BCrttemberg/328-Heidelberg/Neurochirurgie/","Mozilla/4.0 (compatible; MSIE 9.0; Windows NT 6.1; WOW64; Trident/4.0; SLCC2; .NET CLR 2.0.50527; .NET CLR 3.5.30729; .NET CLR 3.0.30729; Media Center PC 6.0; .NET4.0C; .NET4.0E; InfoPath.2; MS-RTC LM 8)","-"0/hurlau,superman;tile,4;status,0/pxl.js","?ts=0.3001205851715877", "200","+", "http://www.super.de/news/audio-video/carl-zeiss-praesentiert-3d-brille-100-euro-742545.html","Mozilla/5.0 (Windows NT 6.1; WOW64; rv:32.0) Gecko/20100101 Firefox/32.0","-"
要捕捉什么？
从 n - 2nd 字段(带有 URL 的字段)中，我需要捕获域名，并且对于我需要收集的每个 domain name=super.de整个网址。
我有什么？
我有这个正则表达式:http://regexr.com/39q1b我设法捕获了我需要的所有内容，但是我这样做的方式正确吗？ ((匹配)匹配)。稍后我需要在所有domainname=“super.de”的地方收集整个URL。而且www也是可选的。注意:第一个URL出现(www.bla.de)需要被忽略。
最佳答案
我认为复杂的正则表达式可以简化，看看您捕获每个域的 URL name=super.de:
https?:\/\/(?:www\.)?super.de[^"]+(?!.*?super\.de)
RegEx Demo
关于python - 在正则表达式中预测 Web 服务器日志？，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/26585113/