Python 使用正则表达式解析日志时，不断获取'NoneType'错误

下面我举了两个日志的例子。我试图找出ip、日期、时间、方法、这部分（

/071300/242153 HTTP/1.1“

）、响应代码（仅

404

/

200

部分），以及一组中的其他部分：

66.249.69.97---[24/Sep/2014:22:25:44+0000]“GET/071300/242153http/1.1”404514“-”Mozilla/5.0（兼容；Googlebot/2.1+http://www.google.com/bot.html)“

及

71.19.157.174-[24/Sep/2014:22:26:12+0000]“GET/error HTTP/1.1”404 505-“Mozilla/5.0（X11；Linux x86_64）AppleWebKit/537.36（KHTML，像Gecko）Chrome/37.0.2062.94 Safari/537.36”

我的函数如下所示：

def parse_logs(logs):
  log_list = []
  for log in logs:
    p = re.compile(r'''(?P<ip_addr>\d+(\.\d+){3}) - - \[(?P<date_time>.+?)\] (?P<http_method>\".+?\") (?P<return_code>\d+) \d+ "-" (?P<client>\".+?\")''')

    m = p.search(log)

    log_list.append([m.group('ip_addr'), m.group('date_time'), m.group('http_method'), m.group('return_code'), m.group('client')])

rdd_prepped = parse_logs(rdd.take(5))

def解析日志（日志）：
日志列表=[]
对于登录日志：
p=重新编译（r''（？p\d+（\.\d+）{3}）-\[（？p.+？）\]（？p\“+？\”）（？p\d+）\d+“-”（？p\“+？”）”）
m=p.search（日志）
日志列表.append（[m.group（'ip地址'）、m.group（'date\u time'）、m.group（'http\u方法'）、m.group（'return\u code'）、m.group（'client'））
rdd_prepped=parse_日志（rdd.take（5））

当我将这些日志的列表传递给函数并运行它时，我不断得到错误：

AttributeError:'NoneType'对象没有属性“collect”

当我在

m=p.search（log）

下放置

print（m.group（'ip'））

行时，我得到错误：

AttributeError:“非类型”对象没有属性“组”

---

为什么我总是使用非类型？顺便说一句，我使用的是Python2.7。

当这篇文章第一次发布时，正则表达式如下所示：

p = re.compile(r'''(?P<ip>\d+(\.\d+){3}) - - \[(?P<date_time>.+?)\] (?P<method>\".+?\") \
    (?P<response_code>\d+) \d+ "-" (?P<client>\".+?\")''')

对于复杂的正则表达式，我喜欢使用详细模式：

regex = re.compile("""
    (?P<ip>\d+(?:\.\d+){3})     # four, dot-separated sets of digits
    .*?                         # skip ahead
    \[(?P<date_time>.*?)\]      # date time is everything between '[ ]'
    .*?                         # skip 
    "(?P<method>.*?)"           # method is everything between quotes
    .*?                         # skip 
    (?P<response_code>\d+)      # multiple digits
    .*?                         # skip
    "-"                         # don't care
    .*?                         #
    "(?P<client>.*?)"           # client is everything between quotes
    """, re.VERBOSE)

---

您的正则表达式正在匹配任何内容，并且

p.search

正在从文档编辑返回

None

：抱歉，忽略此评论，我没有将正则表达式正确复制并粘贴到工具中。您的正则表达式似乎与日志文件中的一行或多行不匹配，使

p.search

返回

None

。您有过吗ed打印出不匹配的代码？这可能会提示您出了什么问题。好的，但在复制和粘贴时，可能会有一些代码的实现细节不明显（例如，文件中可能有不匹配的尾随空行）如果m为None，则在

p.search

调用后添加

：print log

可能会突出显示它们。第一次发布时，regex模式被拆分为两行，第一行末尾有一个“\”。但是该模式使用三个引号。因此regex实际上需要日志中的一个“\n”。因此该模式不匹配。该模式已被编辑所以它在一条线上，而且似乎有效。

regex = re.compile("""
    (?P<ip>\d+(?:\.\d+){3})     # four, dot-separated sets of digits
    .*?                         # skip ahead
    \[(?P<date_time>.*?)\]      # date time is everything between '[ ]'
    .*?                         # skip 
    "(?P<method>.*?)"           # method is everything between quotes
    .*?                         # skip 
    (?P<response_code>\d+)      # multiple digits
    .*?                         # skip
    "-"                         # don't care
    .*?                         #
    "(?P<client>.*?)"           # client is everything between quotes
    """, re.VERBOSE)

def parse_logs(logs):
  log_list = []

  p = re.compile(...whichever regex style you like...)

  for log in logs:

    m = p.search(log)

    if m:
      log_list.append(m.group('ip_addr', 'date_time', 'http_method, 
                              'return_code', 'client'))
    else:
        print(log)

rdd_prepped = parse_logs(rdd.take(5))