Python解析nginx日志示例[python高级]

Python项目的一个需求是解析nginx的日志文件,这里给出详细过程解析。

日志规则描述

首先要明确自己的Nginx的日志格式,这里采用默认Nginx日志格式:

log_format main '$remote_addr - $remote_user [$time_local] "$request" '

         '$status $body_bytes_sent "$http_referer" '

         '"$http_user_agent" "$http_x_forwarded_for"';

其中一条真实记录样例如下:

代码如下:

172.22.8.207 - - [16/Dec/2014:17:57:35 +0800] "GET /report?DOmjjuS6keWJp+WculSQAgdUkAIPODExMzAwMDJDN0FC HTTP/1.1" 200 0 "-" "XXXXXXX/1.0.16; iPhone/iOS 8.1.2; ; 8DA77E2F91D0"

其中,客户端型号信息用XXXXXXX代替。

项目中已经按照业务规则对Nginx日志文件进行了处理命名规则如下:

ID-ID-YYMMDD-hhmmss

并且所有的日志文件存放在统一路径下。

解决思路

获取所有日志文件path

这里使用Python的glob模块来获取日志文件path

import glob

def readfile(path):

  return glob.glob(path + '*-*-*-*')

获取日志文件中每一行的内容

使用Python的linecache模块来获取文件行的内容

import linecache

 

 

def readline(path):

  return linecache.getlines(path)

注意:linecache模块使用了缓存,所以存在以下问题:

在使用linecache模块读取文件内容以后,如果文件发生了变化,那么需要使用linecache.updatecache(filename)来更新缓存,以获取最新变化。

linecache模块使用缓存,所以会耗费内存,耗费量与要解析的文件相关。最好在使用完毕后执行linecache.clearcache()清空一下缓存。

当然,作为优化,这里可以利用生成器来进行优化。暂且按下不表。

处理日志条目

一条日志信息就是一个特定格式的字符串,因此使用正则表达式来解析,这里使用Python的re模块。

下面,一条一条建立规则:

规则

  ip = r"?P<ip>[d.]*"

  date = r"?P<date>d+"

  month = r"?P<month>w+"

  year = r"?P<year>d+"

  log_time = r"?P<time>S+"

  method = r"?P<method>S+"

  request = r"?P<request>S+"

  status = r"?P<status>d+"

  bodyBytesSent = r"?P<bodybytessent>d+"

  refer = r"""?P<refer>

       [^"]*

       """

  userAgent=r"""?P<useragent>

        .*

        """

</useragent></refer></bodybytessent></status></request></method></time></year></month></date></ip>

解析

代码如下:

p = re.compile(r"(%s) - - [(%s)/(%s)/(%s):(%s) [S]+] "(%s)?[s]?(%s)?.*?" (%s) (%s)

 "(%s)" "(%s).*?"" 

 %( ip, date, month, year, log_time, method, request, status, bodyBytesSent, refer, userAgent ),

  re.VERBOSE)

m = re.findall(p, logline)

这样,就可以得到日志条目中各个要素的原始数据。

格式及内容转化

得到日志原始数据之后,需要根据业务要求,对原始数据进行格式及内容转化。

这里需要处理的内容包括:时间,request,userAgent

时间格式转化

在日志信息原始数据中存在Dec这样的信息,利用Python的time模块可以方便的进行解析

import time

def parsetime(date, month, year, log_time):

  time_str = '%s%s%s %s' %(year, month, date, log_time)

  return time.strptime(time_str, '%Y%b%d %H:%M:%S')

解析request

在日志信息原始数据中得到的request的内容格式为:

/report?XXXXXX

这里只需要根据协议取出XXXXXX即可。

这里仍然采用Python的re模块

import re

def parserequest(rqst):

  param = r"?P<param>.*"

  p = re.compile(r"/report?(%s)" %param, re.VERBOSE)

  return re.findall(p, rqst)

接下来需要根据业务协议解析参数内容。这里需要先利用base64模块解码,然后再利用struct模块解构内容:

import struct

import base64

def parseparam(param):

  decodeinfo = base64.b64decode(param)

  s = struct.Struct('!x' + bytes(len(decodeinfo) - (1 + 4 + 4 + 12)) + 'xii12x')

  return s.unpack(decodeinfo)

解析userAgent

在日志信息原始数据中userAgent数据的格式为:

XXX; XXX; XXX; XXX

根据业务要求,只需要取出最后一项即可。

这里采用re模块来解析。

import re

def parseuseragent(useragent):

  agent = r"?P<agent>.*"

  p = re.compile(r".*;.*;.*;(%s)" %agent, re.VERBOSE)

  return re.findall(p, useragent)

至此,nginx日志文件解析基本完成。

剩下的工作就是根据业务需要,对获得的基本信息进行处理。

以上是 Python解析nginx日志示例[python高级] 的全部内容, 来源链接: utcz.com/z/540238.html

回到顶部