我有一个日志文件,格式如下,我想从中提取 ip, datetime and uri
然后放进table里。
64.242.88.10 - - [07/Mar/2004:17:09:01 -0800] "GET /twiki/bin/search/Main/SearchResult?scope=text&search=Joris%20*Benschop[^A-Za-z] HTTP/1.1" 200 4284
我可以通过将日志文件行作为单个字符串加载到下表中并使用 regexp_extract
. create table logs( line string);
load data local inpath '.../mylog.log' into table logs; select regexp_extract(line, '(.*) (- -) \\[(.*) -.*\\] \\"GET (.*)\\?',1),--ip regexp_extract(line, '(.*) (- -) \\[(.*) -.*\\] \\"GET (.*)\\?',3),--datetime regexp_extract(line, '(.*) (- -) \\[(.*) -.*\\] \\"GET (.*)\\?',4) --uri from logs limit 10;
```
+---------------+-----------------------+--------------------------------------------+--+
| _c0 | _c1 | _c2 |
+---------------+-----------------------+--------------------------------------------+--+
| 64.242.88.10 | 07/Mar/2004:17:09:01 | /twiki/bin/search/Main/SearchResult |
| 64.242.88.10 | 07/Mar/2004:17:10:20 | /twiki/bin/oops/TWiki/TextFormattingRules |
+---------------+-----------------------+--------------------------------------------+--+
我想做的是创建一个指定serde属性的表并加载它而不使用 `regexp_extract` 功能。我试过下面的方法,但不起作用。
create table logs (
ip string,
day timestamp,
url string)
row format serde 'org.apache.hadoop.hive.serde2.RegexSerDe'
with serdeproperties ("input.regex" =
"(.) ^- - [ [^-.*]] "([^GET].?)");
load data local inpath ".../mylog.log" into table logs;
我很感激一些帮助和指导。
1条答案
按热度按时间beq87vna1#
day
不能是时间戳,因为它不是iso格式(yyyy-MM-dd HH:mm:ss
)转义应该用双反斜杠来完成(
\\
)正则表达式应该覆盖整个记录(在本例中以结尾)
.*
)