مسیرها
/
Elixir
Elixir
/
تمرین‌ها
/
تجزیه‌گر لاگ
تجزیه‌گر لاگ

تجزیه‌گر لاگ

تمرین یادگیری

مقدمه

عبارات باقاعده

عبارات باقاعده در Elixir از مشخصات PCRE (Perl Compatible Regular Expressions) پیروی می‌کنند، مشابه زبان‌های محبوب دیگری مانند Java، JavaScript یا Ruby.

ماژول Regex توابعی برای کار کردن با عبارات باقاعده در اختیار می‌گذارد. برخی از توابع ماژول String هم عبارات باقاعده را به‌عنوان آرگومان می‌پذیرند.

Note

این تمرین فرض می‌کند که شما از قبل نحوه‌ی نگارش عبارات باقاعده را می‌دانید، از جمله کلاس‌های نویسه، سنجه‌ها، گروه‌ها و ضبط‌ها.

اگر لازم است دانش خود را درباره‌ی عبارات باقاعده تازه کنید، یکی از این منابع را ببینید: Regular-Expressions.info، Rex Egg، RegexOne، Regular Expressions 101، RegExr.

سیگیل

رایج‌ترین راه برای ساختن عبارات باقاعده استفاده از «سیگیل» ~r است.

~r/test/

توجه کنید که همه‌ی سیگیل‌های Elixir از انواع مختلف جداکننده‌ها پشتیبانی می‌کنند، نه فقط /.

تطبیق

از عملگر =~/2 می‌توان برای انجام یک تطبیق باقاعده استفاده کرد که نتیجه‌ی boolean برمی‌گرداند. در عوض، توابع match?/2 هم در ماژول Regex و هم در ماژول String وجود دارند.

"this is a test" =~ ~r/test/
# => true

String.match?("Alice has 7 apples", ~r/\d{2}/)
# => false

ضبط

اگر یک بررسی ساده‌ی «منطقی» کافی نیست، از تابع Regex.run/3 استفاده کنید تا لیستی از همه‌ی ضبط‌ها را به دست آورید (یا nil اگر تطبیقی وجود نداشت). اولین عنصر در لیست برگردانده‌شده همیشه تطبیق کل عبارت باقاعده است و عناصر بعدی گروه‌های منطبق‌شده هستند.

Regex.run(~r/(\d) apples/, "Alice has 7 apples")
# => ["7 apples", "7"]

اصلاح‌کننده‌ها

رفتار یک عبارت باقاعده را می‌توان با افزودن پرچم‌های ویژه تغییر داد. وقتی از سیگیل برای ساخت یک عبارت باقاعده استفاده می‌کنید، اصلاح‌کننده‌ها را بعد از جداکننده‌ی دوم اضافه کنید.

اصلاح‌کننده‌های رایج عبارت‌اند از:

  • i - تطبیق را نسبت به بزرگی و کوچکی حروف بی‌تفاوت می‌کند.
  • u - الگوهای مخصوص Unicode مانند \p را فعال می‌کند و باعث می‌شود کلاس‌های نویسه‌ای مانند \w، \s و غیره با Unicode هم تطبیق پیدا کنند.
"this is a TEST" =~ ~r/test/i
# => true

دستورالعمل‌ها

پس از یک بازبینی امنیتی اخیر، از شما خواسته شده است که فایل‌های لاگ آرشیوشده‌ی سازمان را پاک‌سازی کنید.

1. شناسایی خطوط لاگ درهم‌ریخته

باید تصوری کلی داشته باشید که چند خط لاگ در آرشیو شما با استانداردهای کنونی مطابقت ندارد. معتقدید یک آزمون ساده مشخص می‌کند که یک خط لاگ معتبر است یا نه. برای اینکه خطی معتبر به حساب بیاید، باید با یکی از رشته‌های زیر آغاز شود:

  • [DEBUG]
  • [INFO]
  • [WARNING]
  • [ERROR]

تابع valid_line?/1 را طوری پیاده‌سازی کنید که اگر خط لاگ معتبر بود، true برگرداند.

LogParser.valid_line?("[ERROR] Network Failure")
# => true

LogParser.valid_line?("Network Failure")
# => false

2. تقسیم خط لاگ

مدتی پس از شروع پروژه‌ی تجزیه‌ی لاگ، متوجه می‌شوید که لاگ‌های یک برنامه، برخلاف بقیه، به خطوط تقسیم نشده‌اند. در این پروژه، آنچه باید خطوطی جدا می‌بود، در عوض روی یک خط واحد آمده و با فلش‌های عجیب‌وغریبی مانند <---> یا <*~*~> به هم پیوند خورده است.

در واقع، هر رشته‌ای که نخستین نویسه‌اش < و واپسین نویسه‌اش > باشد و در میان آن‌ها هر ترکیبی از نویسه‌های ~، *، = و - قرار بگیرد، می‌تواند به‌عنوان جداکننده در لاگ‌های این پروژه به کار رود.

تابع split_line/1 را پیاده‌سازی کنید که یک خط می‌گیرد و فهرستی از رشته‌ها برمی‌گرداند.

LogParser.split_line("[INFO] Start.<*>[INFO] Processing...<~~~>[INFO] Success.")
# => ["[INFO] Start.", "[INFO] Processing...", "[INFO] Success."]

3. حذف باقی‌مانده‌ها از لاگ

متوجه شده‌اید که بخشی از پردازش‌های بالادستی لاگ‌ها، متن «end-of-line» را به‌همراه یک شماره‌ی خط (بدون فاصله‌ای در میان) در سراسر لاگ‌ها پراکنده کرده است.

تابع remove_artifacts/1 را پیاده‌سازی کنید تا یک رشته بگیرد و همه‌ی موارد متن «end-of-line» را (بدون در نظر گرفتن بزرگی و کوچکی حروف) حذف کند و یک خط لاگ پاک‌شده برگرداند.

خطوطی که متن «end-of-line» را ندارند باید بدون تغییر برگردانده شوند.

فقط رشته‌ی «end-of-line» را حذف کنید؛ نیازی به تنظیم فاصله‌های خالی نیست.

LogParser.remove_artifacts("[WARNING] end-of-line23033 Network Failure end-of-line27")
# => "[WARNING]  Network Failure "

4. برچسب‌گذاری خطوط با اسم کاربر

متوجه شده‌اید که برخی از خطوط لاگ جمله‌هایی دارند که به کاربران اشاره می‌کنند. این جمله‌ها همیشه رشته‌ی "User" را دارند که پس از آن یک یا چند نویسه‌ی فاصله و سپس اسم کاربر می‌آید. تصمیم می‌گیرید چنین خطوطی را برچسب بزنید.

تابع tag_with_user_name/1 را پیاده‌سازی کنید که خطوط لاگ را پردازش می‌کند:

  • خطوطی که رشته‌ی "User" را ندارند، بدون تغییر می‌مانند.
  • برای خطوطی که رشته‌ی "User" را دارند، خط را با [USER] و پس از آن اسم کاربر پیشوند کنید.
LogParser.tag_with_user_name("[INFO] User Alice created a new project")
# => "[USER] Alice [INFO] User Alice created a new project"

می‌توانید فرض کنید که:

  • پس از هر نمونه از رشته‌ی "User"، یک یا چند نویسه‌ی فاصله و سپس اسم کاربر می‌آید.
  • در هر خط حداکثر یک نمونه از رشته‌ی "User" وجود دارد.
  • اسم‌های کاربر رشته‌های ناتهی هستند که نویسه‌ی فاصله ندارند.
ویرایش از طریق GitHub این لینک در پنجره یا زبانه‌ی جدیدی باز می‌شود
Elixir Exercism

آماده‌اید تجزیه‌گر لاگ را شروع کنید؟

در Exercism ثبت‌نام کنید تا Elixir را همراه با 58 مفهوم168 تمرین و مربی‌گری انسانی واقعی یاد بگیرید و در آن استاد شوید، همه‌ی این‌ها رایگان.