журнал piwik импортирует недопустимые строки журнала

Я новичок в piwik и пытаюсь импортировать кучу логов. Мне нужна помощь с log-format-regex. Пример строки из журнала:

"1.1.1.1" 2.2.2.2 - myuser [09/Dec/2012:04:03:29 -0500] "GET /signon.html HTTP/1.1" 304 "http://www.example.com/example" " Mozilla/5.0 (Windows NT 6.1; WOW64; rv:9.0.1) Gecko/20100101 Firefox/9.0.1"

мое регулярное выражение формата журнала выглядит так:

--log-format-regex='\\\\"(?P<ip>\\\\S+)\\\\" \\\\S+ \\\\S+ \\\\S+ \\\\[(?P<date>.*?) (?P<timezone>.*?)\\\\] \\\\"\\\\S+ (?P<path>.*?) \\\\S+\\\\" (?P<status>\\\\S+) (?P<length>\\\\S+) \\\\"(?P<referrer>.*?)\\\\" \\\\"(?P<user_agent>.*?)\\\\"'

Я постоянно получаю все «запросы игнорируются» и «недопустимые строки журнала». Например:

Сводка по импорту журналов

0 requests imported successfully
0 requests were downloads
236252 requests ignored:
    236252 invalid log lines
    0 requests done by bots, search engines, ...
    0 HTTP errors
    0 HTTP redirects
    0 requests to static resources (css, js, ...)
    0 requests did not match any known site
    0 requests did not match any requested hostname

Как я могу исправить log-format-regex?

Тиа, Дэн


analytics log-analysis matomo
person Cabal    schedule 12.12.2012    source источник

Ответы (1)


arrow_upward
3
arrow_downward

При импорте с импортированным журналом piwik (соответственно matomo) вы можете дважды указать параметр --debug, что приведет к появлению недопустимой строки.

Вот пример скрипта, который это показывает (но это мой предпочтительный формат лога)

python /opt/piwik.git/misc/log-analytics/import_logs.py \
    --debug --debug \
    --url=$piwik_site \
    --log-format-regex='(?P<host>\S+) (?P<ip>\S+) \S+ \[(?P<date>.*?) (?P<timezone>.*?)\] "\S+ (?P<path>.*?) \S+" (?P<status>\d+) (?P<length>\d+) "(?P<referrer>.*?)"$'
    --add-sites-new-hosts \
    --enable-http-errors \
    --enable-http-redirects \
    --enable-static \
    --strip-query-string \
    --show-progress \
    --show-progress-delay 2 \
    --recorders $cpu \
    "$1"

$1 — это имя файла, из которого я импортирую (мои Apache, Nginx и Lighttpd используют один и тот же формат).

Вывод будет иметь несколько строк, которые выглядят следующим образом:

2013-09-03 19:42:34,145: [DEBUG] Invalid line detected (line did not match): edoceo.com 10.0.0.1 - [03/Sep/2013:16:41:03 -0700] "GET / HTTP/1.1" 301 - "-" "Some Bad Robot v0.1"

И они показывают вам, что недопустимо, и дают подсказки о том, как настроить/настроить ваше регулярное выражение.

У меня есть несколько подробностей о моей настройке на http://edoceo.com/howto/piwik#import

person edoceo    schedule 04.09.2013