对日志文件中的 IP、时间等字段统一格式化

M66 2025-05-18

在处理服务器日志文件时，我们经常会遇到格式不统一的问题。比如 IP 地址可能有前导零、时间戳格式可能不一致、请求路径可能带有各种参数。为了统一处理这些字段，preg_replace_callback_array 是一个非常强大的工具，它允许我们对多个正则表达式分别绑定不同的回调函数，在一次遍历中完成复杂的替换逻辑。

本文将介绍如何使用 preg_replace_callback_array 来统一格式化日志中的 IP、时间字段。

示例日志格式

假设我们有如下日志内容（简化版）：

127.000.000.001 - - [21/Apr/2025:15:32:01 +0000] "GET /index.php?id=123 HTTP/1.1" 200
192.168.1.10 - - [21-Apr-2025 15:32:01] "POST /submit.php HTTP/1.1" 404

我们希望：

将 IP 地址标准化（去除前导零）；
将时间统一为 YYYY-MM-DD HH:MM:SS 格式；
可选：屏蔽掉路径中的参数，例如 /index.php?id=123 → /index.php

使用 preg_replace_callback_array 实现

<?php

$log = <<<LOG
127.000.000.001 - - [21/Apr/2025:15:32:01 +0000] "GET /index.php?id=123 HTTP/1.1" 200
192.168.1.10 - - [21-Apr-2025 15:32:01] "POST /submit.php HTTP/1.1" 404
LOG;

// 定义正则与对应的处理回调
$patterns = [
    // IP 地址格式化：去掉前导零
    '/\b(\d{1,3})\.(\d{1,3})\.(\d{1,3})\.(\d{1,3})\b/' => function ($matches) {
        return implode('.', array_map('intval', array_slice($matches, 1, 4)));
    },

    // Apache 风格时间戳 [21/Apr/2025:15:32:01 +0000]
    '/\[(\d{2})\/(\w{3})\/(\d{4}):(\d{2}):(\d{2}):(\d{2}) [+\-]\d{4}\]/' => function ($matches) {
        $monthMap = [
            'Jan' => '01', 'Feb' => '02', 'Mar' => '03', 'Apr' => '04',
            'May' => '05', 'Jun' => '06', 'Jul' => '07', 'Aug' => '08',
            'Sep' => '09', 'Oct' => '10', 'Nov' => '11', 'Dec' => '12'
        ];
        return sprintf('%s-%s-%s %s:%s:%s',
            $matches[3],                         // 年
            $monthMap[$matches[2]] ?? '01',     // 月
            $matches[1],                         // 日
            $matches[4], $matches[5], $matches[6]
        );
    },

    // 日志格式中另一种时间 [21-Apr-2025 15:32:01]
    '/(\d{2})-(\w{3})-(\d{4}) (\d{2}):(\d{2}):(\d{2})/' => function ($matches) {
        $monthMap = [
            'Jan' => '01', 'Feb' => '02', 'Mar' => '03', 'Apr' => '04',
            'May' => '05', 'Jun' => '06', 'Jul' => '07', 'Aug' => '08',
            'Sep' => '09', 'Oct' => '10', 'Nov' => '11', 'Dec' => '12'
        ];
        return sprintf('%s-%s-%s %s:%s:%s',
            $matches[3],
            $monthMap[$matches[2]] ?? '01',
            $matches[1],
            $matches[4], $matches[5], $matches[6]
        );
    },

    // 去掉 URL 参数（如 /index.php?id=123 → /index.php）
    '#(GET|POST|PUT|DELETE|HEAD) (/[\w\-\/\.]+)(\?[^\s"]*)?#' => function ($matches) {
        return $matches[1] . ' ' . $matches[2];
    }
];

// 应用替换
$formatted = preg_replace_callback_array($patterns, $log);

// 输出结果
echo nl2br(htmlspecialchars($formatted));
?>

输出结果

运行上述脚本后，日志内容将被格式化为：

127.0.0.1 - - 2025-04-21 15:32:01 "GET /index.php HTTP/1.1" 200  
192.168.1.10 - - 2025-04-21 15:32:01 "POST /submit.php HTTP/1.1" 404

小结

通过 preg_replace_callback_array，我们能够用非常优雅的方式处理日志中多个不同格式的字段。它的优势在于一次性处理多个模式，每个模式独立拥有自己的回调函数，逻辑清晰，维护方便。

preg_replace_callback_array