1

我有一个格式非常糟糕的日志文件（我无法更改它的创建方式），我希望对其进行一些分析。

我有一个匹配日志文件中特定行的正则表达式。这些行包含我想在分析之前提取并放入矩阵的数据位（字符串和数字，将被正则表达式中的匹配组捕获）。

实现这一目标的最佳方法是什么？gsub也许使用该功能？（我对 R 很陌生）

编辑，以解决评论。

我无法发布日志文件内容，但我可以举一个我想要的示例：

我的日志文件如下所示：

....
[Node_1] sometext [Ref:1111111, Strategy:4] Initialise Class1
[Node_1] sometext [Ref:1111111, Strategy:4] Initialise Class1 - 3432ms
some non relevant text
more non relevant text
[Node_4] sometext [Ref:1133311, Strategy:5] Run Class76
[Node_4] sometext [Ref:1133311, Strategy:6] Run Class76 - 5432ms
....

我只想读取末尾有时序的行，并且我希望矩阵中的相应行包含行中的数据位。

因此，如果我的正则表达式如下所示：

^\[([^]]*)\][^[]*\[([^]]*)\] (Initialise|Run) (Class[0-9]+) - ([0-9]+)ms$

我希望矩阵中的线是

\1,\2,\4,\5

IE 对于日志文件中的第二行，矩阵中的行将显示为：

Node_1, "Ref:1111111, Strategy:4", Class1, 3432
4

1 回答 1

2

gsubfn包中的strapplyc可以提取捕获：

pat <- 
"^\\s*\\[([^]]*)\\][^[]*\\[([^]]*)\\] (Initialise|Run) (Class[0-9]+) - ([0-9]+)ms$"

Lines <- "....
[Node_1] sometext [Ref:1111111, Strategy:4] Initialise Class1
[Node_1] sometext [Ref:1111111, Strategy:4] Initialise Class1 - 3432ms
some non relevant text
more non relevant text
[Node_4] sometext [Ref:1133311, Strategy:5] Run Class76
[Node_4] sometext [Ref:1133311, Strategy:6] Run Class76 - 5432ms
...."

# read in file
Lines2 <- readLines(textConnection(Lines))
closeAllConnections()

# extract lines ending in ms
Lines3 <- grep("ms$", Lines2, value = TRUE)

# pull out captures
library(gsubfn)
strapplyc(Lines3, pat, simplify = "rbind")[, -3]

最后一行的结果是：

     [,1]     [,2]                      [,3]      [,4]  
[1,] "Node_1" "Ref:1111111, Strategy:4" "Class1"  "3432"
[2,] "Node_4" "Ref:1133311, Strategy:6" "Class76" "5432"
于 2013-03-11T14:26:57.047 回答