Las expresiones regulares conviene hacerlas lo más simple y genéricas posibles, porque luego tratar de analizarlas es tarea imposible.
Debe haber un error en tu expresión regular, pero sale más simple reescribirla que tratar de depurarla.
Analizando una línea del texto
'146.204.224.152 - feest6811 [21/Jun/2019:15:45:24 -0700] "POST /incentivize HTTP/1.1" 302 4622',
podemos decir que es una colección de valores separados por espacios o otros simbolos. Qué contienen esos valores (letras, dígitos, otros símbolos), es irrelevante.
Entonces, para reconocer la IP y el usuario me basta
en lugar de escribir tan preciso como
(?P<host>\d{3}[.]\d{3}[.]\d{3}[.]\d{3})(\s[-]\s)(?P<user_name>\w+)
basta con
(?P<host>\S+) - (?P<user_name>\S+)
Asi, la expresión necesaria para reconocer todas las partes es:
(?P<host>\S+) - (?P<user_name>\S+) \[(?P<dia>[^:]+):(?P<hora>\S+) (?P<zona>\S+)\] (?P<texto>.*) (?P<status>\d+) (?P<size>\d+)
Para reconocer la fecha y hora busque dentro de los delimitadores []
, pero como tienen significado especial dentro de una expresión regular, los escape anteponiendo \
.
Para reconocer el día acepte cualquier caracter que no fuera ':', usando la expresión [^:]
. Ese mismo :
encontrados es reconocido y descartado por la expresión regular, antes de seguir extrayendo la hora.
Cualquier parte de la expresión regular que no esté encerradas entre ()
es reconocida, pero no captura. A si se descartan las partes no interesantes.
Con la hora no hay problemas, es cualquier caracter no-espacio.
Demo
Nota: complete los datos faltantes en la línea 2 de la pregunta original.
import re
patron = re.compile("(?P<host>\S+) - (?P<user_name>\S+) \[(?P<dia>[^:]+):(?P<hora>\S+) (?P<zona>\S+)\] (?P<texto>.*) (?P<status>\d+) (?P<size>\d+)")
log = [
'146.204.224.152 - feest6811 [21/Jun/2019:15:45:24 -0700] "POST /incentivize HTTP/1.1" 302 4622',
'197.109.77.178 - kertzmann3129 [21/Jun/2019:15:45:25 -0700] "DELETE /virtual/solutions/target/web+services HT" 200 10203']
for linea in log:
m = patron.match(linea)
if m:
print(m.groupdict())
produce:
{'host': '146.204.224.152', 'user_name': 'feest6811', 'dia': '21/Jun/2019', 'hora': '15:45:24', 'zona': '-0700', 'texto': '"POST /incentivize HTTP/1.1"', 'status': '302', 'size': '4622'}
{'host': '197.109.77.178', 'user_name': 'kertzmann3129', 'dia': '21/Jun/2019', 'hora': '15:45:25', 'zona': '-0700', 'texto': '"DELETE /virtual/solutions/target/web+services HT"', 'status': '200', 'size': '10203'}
Probablemente haya que hacer ajustes para convertir los datos como dia
y hora
a otros formatos más útiles.