web-dev-qa-db-fra.com

Analyse des fichiers journaux Apache

Je viens de commencer à apprendre Python et je voudrais lire un fichier journal Apache et mettre des parties de chaque ligne dans différentes listes.

ligne du fichier

172.16.0.3 - - [25/Sep/2002: 14: 04: 19 +0200] "GET/HTTP/1.1" 401 - "" "Mozilla/5.0 (X11; U; Linux i686; en-US; rv: 1.1 ) Gecko/20020827 "

selon site Web Apache le format est

% h% l% u% t\"% r \"%> s% b\"% {Referer} i \"\"% {User-Agent} i \

Je peux ouvrir le fichier et le lire tel quel, mais je ne sais pas comment le lire dans ce format afin de pouvoir mettre chaque partie dans une liste.

pythonfile-io
32
ogward

Ceci est un travail pour expressions régulières .

Par exemple:

line = '172.16.0.3 - - [25/Sep/2002:14:04:19 +0200] "GET / HTTP/1.1" 401 - "" "Mozilla/5.0 (X11; U; Linux i686; en-US; rv:1.1) Gecko/20020827"'
regex = '([(\d\.)]+) - - \[(.*?)\] "(.*?)" (\d+) - "(.*?)" "(.*?)"'

import re
print re.match(regex, line).groups()

La sortie serait un Tuple avec 6 éléments d'information de la ligne (en particulier, les groupes entre parenthèses dans ce modèle):

('172.16.0.3', '25/Sep/2002:14:04:19 +0200', 'GET / HTTP/1.1', '401', '', 'Mozilla/5.0 (X11; U; Linux i686; en-US; rv:1.1) Gecko/20020827')
38
David Robinson

Utilisez une expression régulière pour diviser une ligne en "jetons" distincts:

>>> row = """172.16.0.3 - - [25/Sep/2002:14:04:19 +0200] "GET / HTTP/1.1" 401 - "" "Mozilla/5.0 (X11; U; Linux i686; en-US; rv:1.1) Gecko/20020827" """
>>> import re
>>> map(''.join, re.findall(r'\"(.*?)\"|\[(.*?)\]|(\S+)', row))
['172.16.0.3', '-', '-', '25/Sep/2002:14:04:19 +0200', 'GET / HTTP/1.1', '401', '-', '', 'Mozilla/5.0 (X11; U; Linux i686; en-US; rv:1.1) Gecko/20020827']

Une autre solution consiste à utiliser un outil dédié, par ex. http://pypi.python.org/pypi/pylogsparser/0.4

12
georg

J'ai créé une bibliothèque python qui fait exactement cela: Apache-log-parser .

>>> import Apache_log_parser
 >>> line_parser = Apache_log_parser.make_parser("%h <<%P>> %t %Dus \"%r\" %>s %b  \"%{Referer}i\" \"%{User-Agent}i\" %l %u")
>>> log_line_data = line_parser('127.0.0.1 <<6113>> [16/Aug/2013:15:45:34 +0000] 1966093us "GET / HTTP/1.1" 200 3478  "https://example.com/" "Mozilla/5.0 (X11; U; Linux x86_64; en-US; rv:1.9.2.18)" - -')
>>> pprint(log_line_data)
{'pid': '6113',
 'remote_Host': '127.0.0.1',
 'remote_logname': '-',
 'remote_user': '',
 'request_first_line': 'GET / HTTP/1.1',
 'request_header_referer': 'https://example.com/',
 'request_header_user_agent': 'Mozilla/5.0 (X11; U; Linux x86_64; en-US; rv:1.9.2.18)',
 'response_bytes_clf': '3478',
 'status': '200',
 'time_received': '[16/Aug/2013:15:45:34 +0000]',
 'time_us': '1966093'}
10
Rory

RegEx semblait extrême et problématique compte tenu de la simplicité du format, j'ai donc écrit ce petit séparateur que d'autres peuvent également trouver utile:

def Apache2_logrow(s):
    ''' Fast split on Apache2 log lines

    http://httpd.Apache.org/docs/trunk/logs.html
    '''
    row = [ ]
    qe = qp = None # quote end character (qe) and quote parts (qp)
    for s in s.replace('\r','').replace('\n','').split(' '):
        if qp:
            qp.append(s)
        Elif '' == s: # blanks
            row.append('')
        Elif '"' == s[0]: # begin " quote "
            qp = [ s ]
            qe = '"'
        Elif '[' == s[0]: # begin [ quote ]
            qp = [ s ]
            qe = ']'
        else:
            row.append(s)

        l = len(s)
        if l and qe == s[-1]: # end quote
            if l == 1 or s[-2] != '\\': # don't end on escaped quotes
                row.append(' '.join(qp)[1:-1].replace('\\'+qe, qe))
                qp = qe = None
    return row
7
Neil C. Obremski

Ajoutez ceci dans httpd.conf pour convertir les journaux Apache en json.

LogFormat "{\"time\":\"%t\", \"remoteIP\" :\"%a\", \"Host\": \"%V\", \"request_id\": \"%L\", \"request\":\"%U\", \"query\" : \"%q\", \"method\":\"%m\", \"status\":\"%>s\", \"userAgent\":\"%{User-agent}i\", \"referer\":\"%{Referer}i\" }" json_log

CustomLog /var/log/Apache_access_log json_log
CustomLog "|/usr/bin/python -u apacheLogHandler.py" json_log

Vous voyez maintenant vos access_logs au format json. Utilisez le code ci-dessous python pour analyser les journaux json qui sont constamment mis à jour.

apacheLogHandler.py

import time
f = open('Apache_access_log.log', 'r')
for line in f: # read all lines already in the file
  print line.strip()

# keep waiting forever for more lines.
while True:
  line = f.readline() # just read more
  if line: # if you got something...
    print 'got data:', line.strip()
  time.sleep(1)
2
Preethi Lakku
import re


Host = r'^(?P<Host>.*?)'
SPACE = r'\s'
IDENTITY = r'\S+'
USER = r'\S+'
TIME = r'(?P<time>\[.*?\])'
REQUEST = r'\"(?P<request>.*?)\"'
STATUS = r'(?P<status>\d{3})'
SIZE = r'(?P<size>\S+)'

REGEX = Host+SPACE+IDENTITY+SPACE+USER+SPACE+TIME+SPACE+REQUEST+SPACE+STATUS+SPACE+SIZE+SPACE

def parser(log_line):
    match = re.search(REGEX,log_line)
    return ( (match.group('Host'),
            match.group('time'), 
                      match.group('request') , 
                      match.group('status') ,
                      match.group('size')
                     )
                   )


logLine = """180.76.15.30 - - [24/Mar/2017:19:37:57 +0000] "GET /shop/page/32/?count=15&orderby=title&add_to_wishlist=4846 HTTP/1.1" 404 10202 "-" "Mozilla/5.0 (compatible; Baiduspider/2.0; +http://www.baidu.com/search/spider.html)"""
result = parser(logLine)
print(result)
0
Fuji Komalan