トラック
/
Elixir
Elixir
/
演習
/
ログパーサー
ログパーサー

ログパーサー

学習演習

はじめに

正規表現

Elixirの正規表現は、JavaやJavaScript、Rubyなどの他の人気のある言語と同様に、PCRE仕様(Perl Compatible Regular Expressions)に従います。

Regexモジュールには、正規表現を扱うための関数が用意されています。Stringモジュールの一部の関数も、引数として正規表現を受け取ります。

Note

この演習では、文字クラス、量指定子、グループ、キャプチャを含む正規表現の構文をすでに知っていることを前提としています。

正規表現の知識を復習したい場合は、次の情報源のいずれかをチェックしてみてください。Regular-Expressions.info、Rex Egg、RegexOne、Regular Expressions 101、RegExr。

シジル

正規表現を作る最も一般的な方法は、~rシジルを使うことです。

~r/test/

Elixirのシジルはすべて、/だけでなくさまざまな種類の区切り文字をサポートしていることに注意してください。

マッチング

=~/2演算子を使うと、booleanの結果を返す正規表現マッチを実行できます。あるいは、RegexモジュールとStringモジュールにはmatch?/2関数もあります。

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

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

キャプチャ

単純な真偽値のチェックでは足りない場合は、Regex.run/3関数を使って、すべてのキャプチャのリストを取得します(マッチしなかった場合はnil)。返されるリストの最初の要素は、常に正規表現全体へのマッチで、それに続く要素はマッチしたグループです。

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

修飾子

正規表現の動作は、特別なフラグを付けることで変更できます。シジルを使って正規表現を作る場合は、2つ目の区切り文字の後に修飾子を追加します。

よく使われる修飾子は次のとおりです。

  • i - 大文字と小文字を区別せずにマッチさせます。
  • u - \pのようなUnicode固有のパターンを有効にし、\wや\sなどの文字クラスがUnicodeにもマッチするようにします。
"this is a TEST" =~ ~r/test/i
# => true

説明

先日のセキュリティレビューを受けて、組織のアーカイブ済みログファイルを整理するよう依頼されました。

1. 文字化けしたログ行を特定する

アーカイブ内のログ行のうち、現在の標準に準拠していないものがどれくらいあるのか、だいたいの見当をつけておく必要があります。ログ行が有効かどうかは、簡単なテストで見分けられると考えています。有効とみなされるには、行が次のいずれかの文字列で始まっている必要があります。

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

valid_line?/1関数を実装して、ログ行が有効であればtrueを返すようにしてください。

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

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

2. ログ行を分割する

ログ解析プロジェクトを始めてまもなく、あるアプリケーションのログが他のアプリケーションのように行に分割されていないことに気づきます。このプロジェクトでは、本来なら別々の行になるはずのものが1行にまとまってしまい、<--->や<*~*~>のような風変わりな矢印でつながれています。

実際、最初の文字が<、最後の文字が>で、その間に~、*、=、-を任意に組み合わせた文字列は、このプロジェクトのログの区切り文字として使えます。

1行を受け取って文字列の配列を返すsplit_line/1関数を実装してください。

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

3. ログから不要なテキストを削除する

ログの上流処理のどこかが、"end-of-line"というテキストとそれに続く行番号(間に空白を挟まず)を、ログ全体に散りばめていることに気づきました。

remove_artifacts/1関数を実装してください。文字列を受け取り、"end-of-line"というテキスト(大文字小文字を区別しない)の出現箇所をすべて取り除いて、きれいなログ行を返します。

"end-of-line"のテキストを含まない行は、そのまま返してください。

"end-of-line"の文字列を取り除くだけです。空白を調整する必要はありません。

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

4. ユーザー名で行にタグを付ける

ログ行の中には、ユーザーに言及する文が含まれているものがあることに気づきました。そうした文には必ず"User"という文字列が含まれ、そのあとに1つ以上の空白文字、そしてユーザー名が続きます。そこで、そのような行にタグを付けることにします。

ログ行を処理するtag_with_user_name/1関数を実装してください。

  • 文字列"User"を含まない行は、そのまま変更しません。
  • 文字列"User"を含む行は、行の先頭に[USER]とユーザー名を付けます。
LogParser.tag_with_user_name("[INFO] User Alice created a new project")
# => "[USER] Alice [INFO] User Alice created a new project"

次のことを前提としてかまいません。

  • "User"という文字列の出現箇所には、必ず1つ以上の空白文字とユーザー名が続きます。
  • 各行に"User"という文字列は多くても1回しか出現しません。
  • ユーザー名は、空ではなく空白文字を含まない文字列です。
GitHubで編集する リンクは新しいウィンドウまたはタブで開きます
Elixir Exercism

ログパーサーを始める準備はできましたか?

Exercismに登録すれば、58個のコンセプト168個の演習、そして本物の人間によるメンタリングとともに、Elixirを学んでマスターできます。すべて無料です。