Regex 用于解析带有奇怪用户代理字符串的组合日志的正则表达式

我使用以下正则表达式解析组合日志格式：-

^(?P<client>\S+) (?P<identd>\S+) (?P<userid>\S+) \[(?P<datetime>[^\]]+)\] "(?P<method>[A-Z]+) (?P<request>[^ "]+)? (?P<version>HTTP/[0-9.]+)" (?P<status>[0-9]{3}) (?P<size>[0-9]+|-) "(?P<referrer>[^"]*)" "{1,3}(?P<useragent>[^"]*)"{1,3} "(?P<cookie>[^"]*)"

^（？P\S+（？P\S+）\[（？P[^\]+）\]”（？P[A-Z]+）（？P[^“]+）？（？PHTTP/[0-9.]+）”（？P[0-9]{3}）（？P[0-9]+|-）”（？P[^“]*）“{1,3}（？P[^“]*）”{1,3}”（？P[^“]*）”

它适用于大多数日志，但随着时间的推移，其中有大量的useragent have strange”，这使得正则表达式失败。我复制了下面一些有问题的user agent。如果有人能够帮助修复我的正则表达式，那么它也适用于以下奇怪的场景，我将非常高兴：-

“Mozilla/5.0（Linux；U；Android 4.1.1；tr；食人鱼业务选项卡7”“构建/JRO03C）AppleWebKit/534.30（KHTML，类似Gecko）版本/4.0 Safari/534.30 GSA/2.0.0.392829”

“Mozilla/4.0（兼容；MSIE 8.0； Windows NT 5.1；Trident/4.0；.NET CLR 1.1.4322；.NET CLR 2.0.50727；xhcueef7$#$% fjidf87jcnuFfFJH6@@jjfidjcu%09348%“”=“IEAK”

---

看起来引号是用引号转义的

如果

“

字符后面紧接着另一个

”

，则应将该字符视为单个

“

，以表示用户代理的值

尝试更改此选项：

"{1,3}(?P<useragent>[^"]*)"{1,3}

“{1,3}（？P[^”]*）”{1,3}

为此：

"(?P<useragent>(?:[^"]""|[^"])*)"

“（？P（？：[^]”“|[^]*）”