正規表示式 - 文本搜尋利器

正規表示式是什麼!?

網路上有很多文章都說得很清楚了，
推薦大家閱讀這篇：文本分析基礎-正規表達式(RegExp)
內容很清晰易懂，深入淺出。

初學者可搭配使用線上使用測試網站，直接練習正規表示式，會學得更快喔!

測試網址：https://regex101.com/

案例1：LogParser

原本程式在解析log檔內容，常用關鍵字的方式來判所是否有異常發生

例如我們抓取log有出現error的字眼，就判定這是有異常的情況!

而這個關鍵字的抓取方法就是採正規表示式，設定內容如下

.*error.*

但最近遇到一個問題，就是log中輸出了處理的檔案名稱的資訊，
當檔案名稱帶有error的字眼時，系統就誤判異常而發出了告警。
為了改善這個問題，可以調整正規表示式來下手。

首先要厘清檔名中的error通常以什麼型態存在，大致有兩種型式

1. 存在於副檔名，例如Afile.txt.error
2. 附加在檔名之後，例如Bfile_error.txt

所以，搜尋規則變成抓取error字眼，但要排除掉error之前有 . 或 _ 的這種情況。

調整後的正規表示式如下

^[^\._]*error.*$

分幾個部分說明這個表示式的功能

1. 原本的error就是想抓取的關鍵字
2. 後面的.*$為任意字元結尾都可以，也可以在error之後就無字元
3. [^\._]*，表示非 . 或 _ 的字元出現0~多次，然後前面再加個^表示要從開頭開始抓取

後來又想到，如果一行訊息裡有error檔名，但又同時出現了error的錯誤字眼，這種錯誤就會被忽略掉，例如：Afile.error.txt delete error.
因此再次調整如下

\s[^\._]*error.*$

將^換成\s，變成從空格或換行開始抓，不過這個pattern的問題是無法抓下整行的訊息
後續再看有什麼更好的解法吧!