5

我有一个固定位置（列）文件，其中没有分隔字段的分隔符。每个字段都有自己的起始位置和长度。以下是数据示例：

520140914191193386---------7661705508623855646---1595852965---133437--the lazy fox jumping over-----------------------212.75.12.85---

虽然我使用破折号 (-) 来显示上述数据示例，但如果实际字段短于架构中允许的长度，则实际文件包含空格。

这种情况下的架构是：

UsedID (start position 1, length 27)
SystemID (start position 28, length 22)
SampleID (start position 50, length 13)
LineID (start position 63, length 8)
Text (start position 71, length 48)
IP (start position119, length 15)

理想情况下，我会在 logstash 中获得以下字段值（没有尾随空格）

UsedID:520140914191193386
SystemID:7661705508623855646
SampleID:1595852965
LineID:133437
Text:the lazy fox jumping over
IP:212.75.12.85

如何用 grok 解析这种文件？

4

1 回答 1

11

我会去一个两步的过程：

  • 将数据拆分为字段
  • 从每个字段的末尾删除空数据

由于每个字段都有已知的长度，因此您可以使用正则表达式模式.{27}来匹配它们。

在 grok 中，您可以像这样命名一个字段：(?<user_id>.{27})

您可以在grok 调试器中测试完整的模式，但这样的事情应该实现基于长度的拆分：

(?<user_id>.{27})(?<system_id>.{22})(?<sample_id>.{13})(?<line_id>.{8})(?<text>.{48})(?<ip>.{15})

您提到您的额外字符都是空格，因此您可以使用带有strip 选项的mutate 过滤器来清理它。

总而言之，这可能看起来像这样：

filter {
    grok {
        match => ["message", "(?<user_id>.{27})(?<system_id>.{22})(?<sample_id>.{13})(?<line_id>.{8})(?<text>.{48})(?<ip>.{15})"]
    }

    mutate {
        strip => [
            "user_id",
            "system_id",
            "sample_id",
            "line_id",
            "text",
            "ip"
        ]
    }
}
于 2014-09-14T22:57:41.840 回答