問題描述

最近想學習利用python的pandas處理apache的大日志，從國外找了一篇文章鏈接描述，對方用的是sep正則表達式提取數據

pd.read_csv(file_name, sep=r’s(?=(?:[^']*'[^']*')*[^']*$)(?![^[]*])’, engine=’python’, na_values=’-’, header=None,usecols=[0, 3, 4, 5, 6, 7, 8], names=[’ip’, ’time’, ’request’, ’status’, ’size’, ’referer’, ’user_agent’], converters={’time’: parse_time, ’request’: parse_str, ’status’: int, ’size’: int, ’referer’: parse_str, ’user_agent’: parse_str})

apache的日志格式是

192.168.1.106 - - [23/Feb/2017:16:39:00 +0800] 'GET / HTTP/1.1' 200 2054 '-' 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/47.0.2526.73 Safari/537.36'

得到的結果是其他參數容易理解，就是sep的正則表達式不大理解，而且好像和python的正則還有點區別，麻煩大神講解一下這個正則的含義

問題解答

sep參數是用于指定分割符，這個正則的意思是按空格分割，但是排除包括在[]或''中間的空格