我的雇主拥有一个CustomLogpipe道处理程序，可将静态Web内容机器访问日志缩减并准备好转换为可以转储到hadoop / hive中的kosher格式。 不幸的是，它取决于一个正则expression式，将日志格式与一些有些复杂的逻辑一起转换，以应对互联网可能导致的最糟糕的情况。
修复是取代当前的脚本，并使整个pipe道更持久。 我有一个想法是取消正则expression式的一部分，做一些事情：
LogFormat "%v:%p\t%h\t%l\t%u\t%t\t\"%r\"\t%>s\t%O\t\"%{Referer}i\"\t\"%{User-Agent}i\"" vhost_combined_tabs 诀窍是，每个字段将被制表符分隔。 因此，在脚本语言中，“\ t”上的简单拆分可以可靠地中断访问日志。 即使其中一个字段返回为“”，该选项卡也会保持logging的完整性。
问题是，我无法find任何提及这样做的谷歌。 对我来说，直接从源头上打破工作，而不是脚本处理问题。 我在这里错过了什么？
我不认为你错过了任何东西，显而易见的问题是，没有任何引号数据字段必须有任何可能包含分隔符字符。 如果任何带引号的数据字段可能包含您的分隔符，那么您将不得不使用效率较低的方法来随后分隔这些字段。
标签应该是比较安全的
请注意，在2.0.46之前的httpd 2.0版本中，从％… r，％… i和％… o中的string没有执行转义。 这主要是为了符合通用日志格式的要求。 这意味着客户端可以将控制字符插入到日志中，因此在处理原始日志文件时必须非常小心。
出于安全原因，从2.0.46开始，非打印和其他特殊字符主要通过使用\ xhh序列进行转义，其中hh表示原始字节的hex表示forms。 这条规则的例外是“和\，它们是通过预先加一个反斜杠，以及所有用C风格符号（\ n，\ t等）编写的空白字符来转义的。
http://httpd.apache.org/docs/2.0/mod/mod_log_config.html#formats