我正在尝试从 http 日志文件中检索主机。通常,我会做类似的事情:
cat proxy.log | awk '{ print $16 }'
但是,日志文件的格式如下:
2012-05-21 05:55:01 503 <client_ip> - - - OBSERVED "Entertainment" - 200 TCP_RESCAN_HIT GET text/xml;%20charset=UTF-8 http <server_ip> <server_host> 80 / ?feed=rss2 - "Mozilla/4.0 (compatible; MSIE 7.0; Windows NT 6.1; WOW64; Trident/4.0; SLCC2; .NET CLR 2.0.50727; .NET CLR 3.5.30729; .NET CLR 3.0.30729; Media Center PC 6.0; .NET4.0C; .NET4.0E; InfoPath.3; MS-RTC LM 8; Microsoft Outlook 14.0.6025; ms-office; MSOffice 14)" <proxy_ip> 13356 479 -
如您所见,一些字段被引用,并且具有动态数量的空格。这意味着 16 美元并不总是返回主机。我可以使用 shlex.split() 在 python 中解决这个问题,它返回一个数组。
但是我使用的一些系统没有安装 python,我想知道这如何使 bash 脚本(使用标准 gnu 工具)以我可以一致地解决即 16 美元的方式拆分日志条目。
如果读者有同样的问题并且有 python 可用,这是我的 python 解决方案:
#!/usr/bin/env python
import shlex, sys, string
EOF = ""
if len(sys.argv) == 2:
try:
field = int(sys.argv[1])
except ValueError:
print "error: <field_no> must be a positive integer"
sys.exit(1)
else:
print "usage: %s <field_no>" % sys.argv[0]
sys.exit(1)
def process(line):
line = string.strip(line)
line = shlex.split(line)
return line[int(sys.argv[1])]
line = sys.stdin.readline()
while not line == EOF:
sys.stdout.write(process(line)+"\n")
line = sys.stdin.readline()