使用正则表达式从原始数据中提取文件名 第一第二

如何解决使用正则表达式从原始数据中提取文件名 第一第二

这是我的原始数据：

h24-71-249-14.ca.shawcable.net - - [07/Mar/2004:22:29:13 - 0800] "GET /icons/gnu-head-tiny.jpg HTTP/1.1" 200 3049

h24-71-249-14.ca.shawcable.net - - [07/Mar/2004:22:29:13 - 0800] "GET /icons/gnu-head-tiny HTTP/1.1" 200 3049

我希望能够从URI中提取文件名（如果有，则没有-忽略）。该文件可以是任何文件类型（jpg，png，txt等）

这是我到目前为止所拥有的：

(\"+)(.*?)(\.\w{1,3})

我知道从"开始我的字符串可能不是一个好主意，这可能是我遇到问题的原因，所以我想寻求一些帮助来修复我的正则表达式。

谢谢！

解决方法

您可以从"开始模式，但是不必转义，重复和捕获它。

如果您想要扩展名和文件名，则可以使用一个捕获组。

您可以使用：

"GET \S+\/(\S+\.\w{1,3})\b

说明

• "GET 字面上匹配
• \S+/匹配1个以上非空格字符，然后匹配最后一个/
• (\S+\.\w{1,3})捕获 group 1 ，匹配1个以上非空格字符，一个点和1-3个单词字符
• \b单词边界

Regex demo

没有标记语言，例如使用Javascript

const regex = /"GET \S+\/(\S+\.\w{1,3})\b/;
[
  "h24-71-249-14.ca.shawcable.net - - [07/Mar/2004:22:29:13 - 0800] \"GET /icons/gnu-head-tiny.jpg HTTP/1.1\" 200 3049","h24-71-249-14.ca.shawcable.net - - [07/Mar/2004:22:29:13 - 0800] \"GET /icons/gnu-head-tiny HTTP/1.1\" 200 3049"
].forEach(s => {
  let m = s.match(regex);
  if (m) console.log(m[1]);
})

---

如果支持\K，则只能获得匹配项。根据评论，此模式将获得所需的特定匹配：

\w{1,5} \S+\/\K\S+\.\w{3}\b

说明

• \w{1,5} 匹配1-5个字符和一个空格
• \S+\/匹配1+个非空格字符，然后匹配最后一个/
• \K重置匹配缓冲区（直到现在忘记匹配的内容）
• \S+匹配1个以上非空格字符
• \.\w{3}匹配一个点和1-3个单词字符
• \b单词边界

Regex demo

,

这里有两个选项：

第一

如果您想要GET 和 HTTP之间的值，可以这样做：

| rex field=_raw "GET\s+(?<fname>\S+)\s+HTTP"

从字符串文字GET开始，使用一个（或多个）空格，然后将不是 的所有内容都放入一个空格字符（直到以字符串文字{ {1}}）进入新字段HTTP。

从功能上讲，您可以将fname从正则表达式中删除，但是出于丰满度的考虑，您可能希望选择将其保留在其中。

第二

如果只需要结尾文件名，就是这样：

\s+HTTP

这将匹配| rex field=_raw "(?<fname>[\.\-\w]+)\s+HTTP" ，.和所有单词字符（-）的所有实例，其匹配次数是在一系列空白字符（{{1} }），然后将字符串文字\w插入新字段\s+。

或者（可选）（尽管找到匹配项的步骤更多，但可能会更好）：

HTTP

该字符将匹配所有非斜杠（fname）的内容，直至一系列空格，其后跟随| rex field=_raw "(?<fname>[^\/]+)\s+HTTP" 到新字段/中。