Java 正则表达式环视查询 - 我很挣扎

Question

因此，我被要求编写一个脚本，该脚本将大型 IIS 日志作为输入并处理它以进行一些日志记录。 IIS 日志包含大量（对我来说）无用的信息，其中一些 blob 包含用户访问某些内容的时间。这些格式为域\身份。

我有捕获组：

(DOMAIN\\[a-z]\d+)

这匹配域名和身份（其格式以单个字母开头，后跟一些数字（不是固定长度）。示例：test 123456 或 test 213。

我希望有人比我更擅长 Java REGEX 可以帮助弄清楚如何捕获除该捕获组之外的所有内容。 我想运行一个查询来删除所有其他内容。

因为我有那个捕获组，所以我总是可以将匹配写入一个新文件并实现相同的输出...但是我使用的工具（Apache Nifi）有可以轻松替换内容的工具，但我必须做一个更复杂一点（例如，使用实际的脚本）根据匹配来生成新的输出。

我知道可能有无数其他方法可以更简单地做我想做的事情...但是因为我徒劳地浪费了 20 分钟在 regex101 上玩，我希望有人能启发我。 日志中的示例行如下所示：

testingtesting123 test\t12345 512.1235.212.321 Apples+Test/9.9.9+(Product:+129+10.492.29) - 400 testing testing123

Answer 1

使用您的捕获组捕获所有日志条目怎么样？ 和结尾的新行。然后将其替换为捕获 组和新线路。

然后添加一个替代项来匹配完整的日志条目，只是将其删除 无需在替换中替换它。

注释的正则表达式，Java 风格，带有

m

和

x

标志：

^ # Begin of log entry (assuming it's a begin of line).
(?: # Two variants:
  # A) A line to keep where we extract the domain\user
  # Anything, ungreedy, to avoid "eating" the domain\user.
  .*?
  # Begin of word, domain\user, end of word.
  \b(?<domainUser>DOMAIN\\[a-z]\d+)\b
  # Anything and the captured new line, to use in the replacement.
  .*(?<newLine>\R|\z)
|
  # B) A log entry without the interesting domain\user.
  .*\R
)

替换为

${domainUser}${newLine}

。

实际操作：https://regex101.com/r/nkUSR3/1