我需要分析很多长的Sendmail日志文件,其中一些是gzip文件,我正在尝试使用pandas
行的格式为:
2019-02-04T17:41:06.957332-08:00 server1 sendmail[1945]: x151f6Ng001945: from=<xxxxxxxxx@domain1.com>, size=20946, class=0, nrcpts=1, msgid=<ZZZZZZZZZZZ>, proto=SMTP, daemon=MTA, tls_verify=NONE, auth=NONE, relay=server1 [127.0.0.1]
2019-02-04T17:41:06.990091-08:00 server1 sendmail[1955]: x151f6Ng001945: to=<xxxxxxxxx@domain2.com>, delay=00:00:00, xdelay=00:00:00, mailer=esmtp, tls_verify=NONE, pri=140946, relay=server2. [IP_2], dsn=2.0.0, stat=Sent (Ok: queued as 43tnNL6jtyz6p3vf)
第一列date server用空格隔开,但行的其余部分用“,”(逗号空格)隔开,字段数是可变的, 我的想法是按空格分隔列,然后在最后一个字段上搜索特定的文本,创建新列
我尝试使用sep=r',(?!\s)'
不使用逗号空间作为分隔符,但不起作用
一些想法
一种方法如下:在命令行上使用
sed
将数据分成5列sed -e s/" "/", "/1 test.txt | sed -e s/" "/", "/2 | sed -e s/" "/", "/3 | sed -e s/" "/", "/4 | sed -e s/" "/"\""/5 | sed -e s/$/\"/ > test_5cols.csv
这将逗号放在前4个空格中。第5列中的其他数据都是“混合”的,顺序不同
然后可以使用csv将其拉入df,然后重命名列
最后,我在数据集中按行加载文件,并创建新的列来提取所需的特定字段,这比读取csv选项更容易
相关问题 更多 >
编程相关推荐