-
Notifications
You must be signed in to change notification settings - Fork 0
Expand file tree
/
Copy pathlogmrgr031.5.py
More file actions
1150 lines (1043 loc) · 52.2 KB
/
logmrgr031.5.py
File metadata and controls
1150 lines (1043 loc) · 52.2 KB
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
309
310
311
312
313
314
315
316
317
318
319
320
321
322
323
324
325
326
327
328
329
330
331
332
333
334
335
336
337
338
339
340
341
342
343
344
345
346
347
348
349
350
351
352
353
354
355
356
357
358
359
360
361
362
363
364
365
366
367
368
369
370
371
372
373
374
375
376
377
378
379
380
381
382
383
384
385
386
387
388
389
390
391
392
393
394
395
396
397
398
399
400
401
402
403
404
405
406
407
408
409
410
411
412
413
414
415
416
417
418
419
420
421
422
423
424
425
426
427
428
429
430
431
432
433
434
435
436
437
438
439
440
441
442
443
444
445
446
447
448
449
450
451
452
453
454
455
456
457
458
459
460
461
462
463
464
465
466
467
468
469
470
471
472
473
474
475
476
477
478
479
480
481
482
483
484
485
486
487
488
489
490
491
492
493
494
495
496
497
498
499
500
501
502
503
504
505
506
507
508
509
510
511
512
513
514
515
516
517
518
519
520
521
522
523
524
525
526
527
528
529
530
531
532
533
534
535
536
537
538
539
540
541
542
543
544
545
546
547
548
549
550
551
552
553
554
555
556
557
558
559
560
561
562
563
564
565
566
567
568
569
570
571
572
573
574
575
576
577
578
579
580
581
582
583
584
585
586
587
588
589
590
591
592
593
594
595
596
597
598
599
600
601
602
603
604
605
606
607
608
609
610
611
612
613
614
615
616
617
618
619
620
621
622
623
624
625
626
627
628
629
630
631
632
633
634
635
636
637
638
639
640
641
642
643
644
645
646
647
648
649
650
651
652
653
654
655
656
657
658
659
660
661
662
663
664
665
666
667
668
669
670
671
672
673
674
675
676
677
678
679
680
681
682
683
684
685
686
687
688
689
690
691
692
693
694
695
696
697
698
699
700
701
702
703
704
705
706
707
708
709
710
711
712
713
714
715
716
717
718
719
720
721
722
723
724
725
726
727
728
729
730
731
732
733
734
735
736
737
738
739
740
741
742
743
744
745
746
747
748
749
750
751
752
753
754
755
756
757
758
759
760
761
762
763
764
765
766
767
768
769
770
771
772
773
774
775
776
777
778
779
780
781
782
783
784
785
786
787
788
789
790
791
792
793
794
795
796
797
798
799
800
801
802
803
804
805
806
807
808
809
810
811
812
813
814
815
816
817
818
819
820
821
822
823
824
825
826
827
828
829
830
831
832
833
834
835
836
837
838
839
840
841
842
843
844
845
846
847
848
849
850
851
852
853
854
855
856
857
858
859
860
861
862
863
864
865
866
867
868
869
870
871
872
873
874
875
876
877
878
879
880
881
882
883
884
885
886
887
888
889
890
891
892
893
894
895
896
897
898
899
900
901
902
903
904
905
906
907
908
909
910
911
912
913
914
915
916
917
918
919
920
921
922
923
924
925
926
927
928
929
930
931
932
933
934
935
936
937
938
939
940
941
942
943
944
945
946
947
948
949
950
951
952
953
954
955
956
957
958
959
960
961
962
963
964
965
966
967
968
969
970
971
972
973
974
975
976
977
978
979
980
981
982
983
984
985
986
987
988
989
990
991
992
993
994
995
996
997
998
999
1000
import tkinter as tk
import heapq
from tkinter import filedialog, messagebox, ttk
import json
import os
import sys
import re
import threading
import tempfile
import shutil
import time
import logging
from datetime import datetime
from dateutil.parser import parse
import chardet
from multiprocessing import Pool, cpu_count
from functools import partial
import pytz
import hashlib
# Для поддержки multiprocessing на Windows
from multiprocessing import freeze_support
# Кэш для парсинга дат — ускорение (но для эталонных не используем)
DATE_PARSE_CACHE = {}
def cached_parse(dt_str):
if dt_str not in DATE_PARSE_CACHE:
try:
# Обработка специфичных форматов времени
if ',' in dt_str and '.' not in dt_str:
dt_str = dt_str.replace(',', '.')
dt = parse(dt_str)
if dt.tzinfo is None:
dt = pytz.utc.localize(dt)
DATE_PARSE_CACHE[dt_str] = dt
except Exception as e:
logging.warning(f"Failed to cache parse {dt_str}: {e}")
dt = datetime.now(pytz.utc) # fallback на текущее UTC время
DATE_PARSE_CACHE[dt_str] = dt
return DATE_PARSE_CACHE[dt_str]
def sanitize_filename(filename):
"""Заменяет недопустимые символы в имени файла на подчеркивания."""
invalid_chars = '<>:"/\\|?*'
for char in invalid_chars:
filename = filename.replace(char, '_')
return filename
def get_unique_filename(temp_dir, base_name):
"""Генерирует уникальное имя файла на основе хэша, чтобы избежать коллизий."""
# Хэшируем base_name для уникальности
hash_obj = hashlib.md5(base_name.encode())
short_hash = hash_obj.hexdigest()[:8]
unique_name = f"chunk_{short_hash}_{sanitize_filename(os.path.basename(base_name))}.tmp"
return os.path.join(temp_dir, unique_name)
def extract_version_from_text(text):
"""Извлекает версию из текста."""
if not text:
return "unknown"
# Сначала ищем версию в квадратных скобках
match = re.search(r'\[(\d+\.\d+\.\d+(?:\.\d+)?)\]', text)
if match:
return match.group(1)
# Затем ищем версию в формате "version":"..."
match = re.search(r'"version"\s*:\s*"([^"]+)"', text)
if match:
return match.group(1)
# Затем ищем версию в формате "module":"...Version=..."
match = re.search(r'"module"\s*:\s*"([^"]*Version=([^",]+)[^"]*)"', text)
if match:
return match.group(2)
# Затем ищем версию в формате "Version":"..."
match = re.search(r'"Version"\s*:\s*"([^"]+)"', text)
if match:
return match.group(1)
# Затем ищем версию в формате version= или version:
match = re.search(r'version[=:]\s*["\']?([^"\'>\s,]+)', text)
if match:
return match.group(1)
# Затем ищем версию в формате elasticsearch-7.17.13.jar
match = re.search(r'[-_]v?(\d+\.\d+\.\d+(?:\.\d+)?)', text)
if match:
return match.group(1)
# Затем ищем версию в формате 7.17.13
match = re.search(r'\b(\d+\.\d+\.\d+(?:\.\d+)?)\b', text)
if match:
return match.group(1)
return "unknown"
def extract_service_name_from_path(file_path):
"""Извлекает имя сервиса из имени файла или пути."""
filename = os.path.basename(file_path).lower()
candidates = [
'elasticsearch', 'kibana', 'logstash', 'nginx', 'apache', 'redis', 'postgres',
'mysql', 'mongo', 'rabbitmq', 'rabbit', 'kafka', 'zookeeper', 'traefik', 'haproxy',
'grafana', 'prometheus', 'alertmanager', 'consul', 'vault', 'nomad',
'beats', 'filebeat', 'metricbeat', 'auditbeat', 'journalbeat', 'winlogbeat',
'fluentd', 'vector', 'telegraf', 'cadvisor', 'node_exporter', 'blackbox_exporter',
'gateway', 'auth', 'payment', 'user', 'catalog', 'search', 'cache', 'queue',
'worker', 'scheduler', 'report', 'backup', 'monitor', 'health', 'api', 'web'
]
for candidate in candidates:
if candidate in filename:
return candidate.title()
name = os.path.splitext(filename)[0]
return sanitize_filename(name).title() or "Unknown"
def extract_tenant(entry):
"""Извлекает имя тенанта из записи."""
# Проверяем tn напрямую
if "tn" in entry:
return entry["tn"]
# Проверяем host.name
if "host" in entry and isinstance(entry["host"], dict) and "name" in entry["host"]:
return entry["host"]["name"]
# Проверяем cluster.name и node.name
cluster_name = entry.get("cluster.name")
node_name = entry.get("node.name")
if cluster_name and node_name:
return f"{cluster_name}-{node_name}"
if node_name:
return node_name
if cluster_name:
return cluster_name
return None
def extract_logger(entry):
"""Извлекает имя логгера из записи."""
# Проверяем lg напрямую
if "lg" in entry:
return entry["lg"]
# Проверяем logger
if "logger" in entry:
if isinstance(entry["logger"], str):
return entry["logger"]
elif isinstance(entry["logger"], dict) and "name" in entry["logger"]:
return entry["logger"]["name"]
# Проверяем component
if "component" in entry:
return entry["component"]
# Проверяем service.name
if "service" in entry and isinstance(entry["service"], dict) and "name" in entry["service"]:
return entry["service"]["name"]
# Проверяем app_id
if "app_id" in entry:
return entry["app_id"]
return None
def format_timestamp(dt):
"""Форматирует дату в эталонный формат YYYY-MM-DD HH:MM:SS.mmm+HH:MM."""
# Убедимся, что dt - datetime с таймзоной
if dt.tzinfo is None:
dt = pytz.utc.localize(dt)
# Форматируем как YYYY-MM-DD HH:MM:SS.mmm+HHMM
t_formatted = dt.strftime("%Y-%m-%d %H:%M:%S.%f")[:-3] + dt.strftime("%z")
# Добавляем двоеточие в таймзону: +HHMM -> +HH:MM
if len(t_formatted) == 28: # 23 (база) + 5 (HHMM)
t_formatted = t_formatted[:-2] + ":" + t_formatted[-2:]
return t_formatted
def is_etalon_format(entry):
"""
Проверяет, соответствует ли запись эталонному формату.
Проверяет только обязательные поля и формат времени 't'.
"""
if not isinstance(entry, dict):
return False
# Обязательные поля эталона
required_keys = {'t', 'pid', 'l', 'lg', 'tn', 'v'}
# Проверяем, что все обязательные ключи присутствуют
if not required_keys.issubset(entry.keys()):
return False
# Проверяем, что 't' - строка с похожим форматом времени
t_val = entry.get('t')
if not isinstance(t_val, str) or not re.match(r'\d{4}-\d{2}-\d{2} \d{2}:\d{2}:\d{2}\.\d{3}[+-]\d{2}:\d{2}$', t_val):
return False
# Другие проверки можно добавить, но для быстрой проверки хватит и этих
return True
def parse_log_line(line, file_path):
line = line.strip()
if not line:
return None
# --- Проверка на JSON ---
if line.startswith('{'):
try:
entry = json.loads(line)
# --- Проверка на эталонный формат ---
if is_etalon_format(entry):
# Возвращаем копию идеальной строки БЕЗ дополнительного парсинга времени
# (поскольку regex уже подтвердил правильный формат 't')
return dict(entry)
# --- Конец проверки ---
# Если не эталон, обрабатываем как обычно
return transform_generic_json(entry, file_path)
except json.JSONDecodeError:
# невалидный JSON — дальше пробуем текстовые форматы
pass
# --- Текстовые форматы ---
procrun_pattern = re.compile(r'^\[\d{4}-\d{2}-\d{2} \d{2}:\d{2}:\d{2}\] \[info\]', re.IGNORECASE)
elasticsearch_pattern = re.compile(
r'.*\[(\d{4}-\d{2}-\d{2}T\d{2}:\d{2}:\d{2},\d{3})\]\[([A-Z]+)\]\[.*?\]',
re.IGNORECASE
)
linux_syslog_pattern = re.compile(
r'^\d{4}-\d{2}-\d{2}T\d{2}:\d{2}:\d{2}\.\d{6}\+\d{2}:\d{2} [a-zA-Z0-9_-]+ \w+\[\d+\]:'
)
try:
if procrun_pattern.match(line):
return transform_procrun_log(line, file_path)
if elasticsearch_pattern.match(line):
return transform_elasticsearch_log(line, file_path)
if linux_syslog_pattern.match(line):
return transform_linux_syslog_to_etalon(line, file_path)
except Exception as e:
logging.warning(f"Failed to parse line in {file_path}: {line[:200]}... Error: {e}")
return create_minimal_entry(line, file_path)
def transform_generic_json(entry, file_path):
"""
Универсальный JSON-трансформер.
НЕ проверяет эталонный формат - это делает parse_log_line.
Только нормализует.
"""
if not isinstance(entry, dict):
return create_minimal_entry(json.dumps(entry), file_path)
# --- Нормализация не-эталонных записей ---
standard_out = {"t", "pid", "tr", "l", "lg", "mt", "tn", "v", "args", "ex"}
original = entry
transformed = {}
# 1. Время
dt_candidates = ["t", "@timestamp", "timestamp", "date", "time"]
dt_str = None
for k in dt_candidates:
if k in original and original.get(k):
dt_str = original.get(k)
break
if dt_str:
try:
s = str(dt_str)
if s.endswith("Z"):
s = s.replace("Z", "+00:00")
dt = cached_parse(s)
transformed["t"] = format_timestamp(dt)
except Exception:
transformed["t"] = format_timestamp(datetime.now(pytz.utc))
else:
transformed["t"] = format_timestamp(datetime.now(pytz.utc))
# 2. Уровень
if "l" in original and original["l"]:
level = str(original["l"]).title()
level = level.replace("Information", "Info").replace("Warning", "Warn").replace("Critical", "Fatal")
transformed["l"] = level
else:
# ... (логика извлечения уровня) ...
level = None
if isinstance(original.get("log"), dict):
level = original["log"].get("level")
if not level and "level" in original:
level = original.get("level")
if not level and "log.level" in original:
level = original.get("log.level")
if not level:
s = json.dumps(original).lower()
if '"level":"error"' in s or '[error]' in s:
level = "Error"
elif '"level":"warn"' in s or '[warn]' in s or '[warning]' in s:
level = "Warn"
elif '"level":"debug"' in s or '[debug]' in s:
level = "Debug"
elif '"level":"fatal"' in s or '[fatal]' in s:
level = "Fatal"
elif '"level":"info"' in s or '[info]' in s:
level = "Info"
if level:
level_title = str(level).title()
level_title = level_title.replace("Information", "Info").replace("Warning", "Warn").replace("Critical", "Fatal")
transformed["l"] = level_title
else:
transformed["l"] = "Info"
# 3. PID
if "pid" in original and original["pid"]:
transformed["pid"] = str(original["pid"])
else:
pid = None
if isinstance(original.get("process"), dict):
pid = original["process"].get("pid") or original["process"].get("id")
if not pid:
pid = original.get("process.id") or original.get("process.pid")
transformed["pid"] = str(pid) if pid is not None else "1"
# 4. Trace
if "tr" in original and original["tr"]:
transformed["tr"] = original["tr"]
# 5. Logger
if "lg" in original and original["lg"]:
transformed["lg"] = original["lg"]
else:
logger = extract_logger(original)
transformed["lg"] = logger if logger else extract_service_name_from_path(file_path)
# 6. Message
if "mt" in original and original["mt"]:
transformed["mt"] = original["mt"]
else:
transformed["mt"] = original.get("message") or original.get("msg", "")
# 7. Tenant
if "tn" in original and original["tn"]:
transformed["tn"] = original["tn"]
else:
tenant = extract_tenant(original)
transformed["tn"] = tenant if tenant else extract_service_name_from_path(file_path)
# 8. Version
if "v" in original and original["v"]:
transformed["v"] = original["v"]
else:
if isinstance(original.get("service"), dict) and original["service"].get("version"):
transformed["v"] = original["service"]["version"]
else:
msg = transformed["mt"] if "mt" in transformed else str(original)
transformed["v"] = extract_version_from_text(msg)
# 9. Span
if "span" in original:
transformed["span"] = original["span"]
# 10. Errors
error_fields = ["exception", "error", "err", "stacktrace", "stack_trace"]
ex_dict = {}
for fld in error_fields:
if fld in original:
ex_dict[fld] = original[fld]
if ex_dict:
transformed["ex"] = ex_dict
# 11. Args - собираем оставшиеся поля
args = {}
for k, v in original.items():
if k in transformed or k in standard_out or k in ["log", "process", "service", "host", "trace", "transaction", "logger", "component", "app_id", "cluster.name", "node.name"]:
continue
args[k] = v
# Удаляем дубликаты времени из args
args = remove_time_duplicates_from_args(args, transformed.get("t"))
if args:
transformed["args"] = args
return transformed
def transform_ecs(entry):
transformed = {}
# --- 1. Время ---
dt_str = entry.pop("@timestamp", None)
if dt_str:
try:
dt = cached_parse(dt_str)
transformed["t"] = format_timestamp(dt)
except Exception:
transformed["t"] = format_timestamp(datetime.now(pytz.utc))
else:
transformed["t"] = format_timestamp(datetime.now(pytz.utc))
# --- 2. Уровень ---
log_info = entry.pop("log", {})
level = log_info.get("level", "information").title()
level = (
level.replace("Information", "Info")
.replace("Warning", "Warn")
.replace("Critical", "Fatal")
)
transformed["l"] = level
# --- 3. Сервис и логгер ---
service = entry.pop("service", {})
service_name = service.get("name", "UnknownService")
transformed["lg"] = log_info.get("logger", service_name)
# --- 4. Процесс ---
process = entry.pop("process", {})
pid = process.get("pid", "1")
transformed["pid"] = str(pid)
# --- 5. Сообщение ---
message = entry.pop("message", "")
transformed["mt"] = message
# --- 6. Аргументы (оставшееся содержимое) ---
transformed["args"] = {}
for key, value in entry.items():
if key not in ["labels", "ecs", "host"]:
transformed["args"][key] = value
if "host" in entry:
transformed["args"]["host"] = entry["host"]
# --- 7. Host и оригинальный лог ---
if "original" in log_info:
transformed["args"]["original_log_info"] = log_info["original"]
# --- 8. Transaction name + версия ---
transformed["tn"] = service_name
transformed["v"] = extract_version_from_text(message)
return transformed
def transform_elasticsearch_log(entry):
transformed = {}
dt_str = entry.get("timestamp", "").replace(',', '.')
try:
dt = cached_parse(dt_str)
transformed["t"] = format_timestamp(dt)
except Exception:
transformed["t"] = format_timestamp(datetime.now(pytz.utc))
transformed["pid"] = str(entry.get("process.id", "1"))
level = entry.get("level", "INFO")
transformed["l"] = level.title().replace("Critical", "Fatal")
transformed["lg"] = entry.get("component", "Elasticsearch")
transformed["mt"] = entry.get("message", "")
transformed["args"] = {}
excluded_keys = {"timestamp", "level", "component", "message", "type", "cluster.name", "node.name", "process.id"}
for key, value in entry.items():
if key not in excluded_keys:
transformed["args"][key] = value
transformed["tn"] = entry.get("node.name", "Elasticsearch")
transformed["v"] = extract_version_from_text(transformed["mt"])
return transformed
def transform_procrun_log(line, file_path):
transformed = {}
parts = re.split(r'\[(.*?)\]', line.strip())
try:
dt = cached_parse(parts[1].strip())
transformed["t"] = format_timestamp(dt)
except Exception:
transformed["t"] = format_timestamp(datetime.now(pytz.utc))
level = parts[3].strip()
transformed["l"] = "Info" if level.lower() == "info" else level.title().replace("Critical", "Fatal")
service_name = extract_service_name_from_path(file_path)
transformed["lg"] = "Commons Daemon"
transformed["pid"] = parts[5].strip() if len(parts) > 5 else "1"
rest = " ".join(parts[6:]).strip()
transformed["mt"] = rest
transformed["args"] = {}
transformed["tn"] = service_name
transformed["v"] = extract_version_from_text(rest)
return transformed
def transform_linux_syslog_to_etalon(line, file_path):
"""Преобразует syslog в эталонный формат"""
match = re.search(r'(\d{4}-\d{2}-\d{2}T\d{2}:\d{2}:\d{2}\.\d{6}\+\d{2}:\d{2}) ([a-zA-Z0-9_-]+) (\w+)\[(\d+)\]: (.*)', line)
if not match:
return create_minimal_entry(line, file_path)
dt_str, host, service_name, pid, message = match.groups()
# Парсим время
try:
dt = cached_parse(dt_str)
t_formatted = format_timestamp(dt)
except Exception:
t_formatted = format_timestamp(datetime.now(pytz.utc))
# Извлекаем название сервиса из сообщения, если возможно
lg = service_name
if "DocumentAssemblerService" in message:
lg = "DocumentAssemblerService"
elif "TextExtractorService" in message:
lg = "TextExtractorService"
else:
# Пытаемся найти сервис в тексте
services = ["DocumentAssemblerService", "TextExtractorService", "RabbitMqSubscriber", "GenericService"]
for svc in services:
if svc in message:
lg = svc
break
# Создаем span из сообщения
span_name = "SystemLog"
if "AMQP connection" in message:
span_name = "AMQP connection"
elif "closing" in message:
span_name = "Closing connection"
# Упрощаем сообщение — удаляем избыточные данные
clean_message = message
clean_message = re.sub(r'<[^>]+>', '', clean_message) # удаляем <0.123.0>
clean_message = re.sub(r'vhost:.*?,', '', clean_message)
clean_message = re.sub(r'\s+', ' ', clean_message).strip()
return {
"t": t_formatted,
"pid": pid,
"l": "Info",
"lg": lg,
"span": {
"status": "Info",
"name": span_name,
"messageType": "SystemLog",
"message": clean_message
},
"tn": lg,
# "v" не добавляем — в syslog обычно нет версии
}
def create_minimal_entry(line, file_path):
"""Создаёт запись, сохраняя строку только если она не была JSON или не распознана. Ищет истинное время события внутри строки. Убирает `_raw_line` если возможно."""
# Проверяем, является ли строка валидным JSON
stripped_line = line.strip()
is_json = False
original_json_obj = None
if stripped_line.startswith('{'):
try:
original_json_obj = json.loads(stripped_line)
is_json = True
except json.JSONDecodeError:
pass # Это не валидный JSON
transformed = {}
raw_line = line.strip()
# Шаблоны для поиска времени СОБЫТИЯ (не времени записи лога)
event_time_patterns = [
r'(\d{2})\.(\d{2})\.(\d{4})\s+(\d{1,2}):(\d{2}):(\d{2})', # DD.MM.YYYY H:M:S
r'(\d{4})-(\d{2})-(\d{2})\s+(\d{2}):(\d{2}):(\d{2})(?:\.(\d{3,6}))?', # YYYY-MM-DD HH:MM:SS[.mmm]
]
event_time = None
for pattern in event_time_patterns:
match = re.search(pattern, raw_line)
if match:
try:
if pattern.startswith(r'(\d{2})\.'): # DD.MM.YYYY
day, month, year, hour, minute, second = match.groups()[:6]
dt = datetime(int(year), int(month), int(day), int(hour), int(minute), int(second))
else: # YYYY-MM-DD
year, month, day, hour, minute, second, ms = match.groups()
dt = datetime(int(year), int(month), int(day), int(hour), int(minute), int(second))
if ms:
microsecond = int(ms.ljust(6, '0')[:6])
dt = dt.replace(microsecond=microsecond)
# Локализуем в UTC, если нет таймзоны
if dt.tzinfo is None:
dt = pytz.utc.localize(dt)
event_time = dt
break
except Exception as e:
logging.warning(f"Failed to parse event time with pattern {pattern}: {e}")
continue
# Если нашли время события — используем его
if event_time:
t_formatted = format_timestamp(event_time)
transformed["t"] = t_formatted
else:
# Иначе — берём время из начала строки (fallback)
start_time_match = re.search(r'^\s*(\d{4}-\d{2}-\d{2}[T\s]\d{2}:\d{2}:\d{2}(?:[.,]\d{3,})?)', raw_line)
if start_time_match:
dt_str = start_time_match.group(1).replace(',', '.')
try:
dt = cached_parse(dt_str)
t_formatted = format_timestamp(dt)
transformed["t"] = t_formatted
except Exception:
transformed["t"] = format_timestamp(datetime.now(pytz.utc))
else:
transformed["t"] = format_timestamp(datetime.now(pytz.utc))
# ➤➤➤ ВСЁ ОСТАЛЬНОЕ — БЕЗ ИЗМЕНЕНИЙ — НИЧЕГО НЕ УДАЛЯЕМ
# Извлекаем уровень
level = "Info"
lower_line = raw_line.lower()
if re.search(r'\b(error|err|не удалось|исключение)\b', lower_line):
level = "Error"
elif re.search(r'\b(warn|warning)\b', lower_line):
level = "Warn"
elif re.search(r'\b(debug)\b', lower_line):
level = "Debug"
elif re.search(r'\b(fatal|crit|critical)\b', lower_line):
level = "Fatal"
elif re.search(r'\b(info|information)\b', lower_line):
level = "Info"
transformed["l"] = level
# Извлекаем PID
pid = "1"
pid_match = re.search(r'[<\(]([^>)]+)[>\)]', raw_line)
if pid_match:
pid = pid_match.group(1)
else:
parts = raw_line.split()
if len(parts) >= 2:
last_part = parts[-1]
if re.match(r'^\d+\+\d+$', last_part) or last_part.isdigit():
pid = last_part
transformed["pid"] = pid
# Извлекаем версию
ver_match = re.search(r'(\d+\.\d+\.\d+(?:\.\d+)?)', raw_line)
transformed["v"] = ver_match.group(1) if ver_match else "unknown"
# Извлекаем логгер
logger = extract_service_name_from_path(file_path)
if "|" in raw_line:
before_pipe = raw_line.split("|", 1)[0].strip()
parts = before_pipe.split()
if len(parts) >= 2:
logger = parts[-1]
transformed["lg"] = logger
# Transaction name
transformed["tn"] = extract_service_name_from_path(file_path)
# Парсинг метаданных для текстовых логов
un_match = re.search(r'UserName:\s*(.+?)(?:\n|$)', raw_line, re.IGNORECASE)
if un_match:
transformed["un"] = un_match.group(1).strip()
tr_match = re.search(r'Trace:\s*(.+?)(?:\n|$)', raw_line, re.IGNORECASE)
if tr_match:
transformed["tr"] = tr_match.group(1).strip()
# --- ИЗМЕНЕНИЕ ---
# Если строка была JSON, но не распознана, и не была преобразована в transform_generic_json (например, ошибка),
# то добавляем её как сообщение или в args, но НЕ добавляем _raw_line.
# Если строка была просто текстом, добавляем его в span.message.
if is_json and original_json_obj:
# Считаем, что JSON-строка была "обработана" как структурированная информация
# Помещаем оригинальный JSON-объект в args под ключом _original_json, если он не пустой
# Это позволяет сохранить исходные данные, но не дублировать их в _raw_line
# Однако, чтобы не увеличивать размер ещё больше, и если основные поля уже извлечены,
# можно не добавлять _original_json. Оставим на усмотрение.
# Для уменьшения размера: НЕ добавляем _raw_line и _original_json в этом случае.
# Сообщение можно извлечь из JSON, если оно было.
# Но в минимальной записи оно может быть не представлено явно.
# Просто не добавляем _raw_line.
pass # Просто не добавляем _raw_line
else:
# Это была текстовая строка, которую мы не смогли распознать как специфический формат.
# Раньше добавляли _raw_line, теперь добавим в span.message.
clean_message = re.sub(r'<[^>]+>', '', raw_line).strip() # Только удаляем теги и trim краёв, БЕЗ сжатия пробелов
transformed["span"] = {
"status": "Info",
"name": "RawLogLine",
"messageType": "Text",
"message": clean_message
}
return transformed
def clean_nested_duplicates(nested_dict, transformed_entry):
"""Рекурсивно удаляет дубликаты из вложенного словаря на основе transformed_entry."""
if not isinstance(nested_dict, dict):
return nested_dict
cleaned = {}
normalized_time = transformed_entry.get("t")
for k, v in nested_dict.items():
# Проверяем, является ли текущий ключ дубликатом верхнего уровня
if k in {"@timestamp", "timestamp", "time", "date"}:
if normalized_time:
try:
sval = str(v)
if sval.endswith("Z"):
sval = sval.replace("Z", "+00:00")
dt2 = cached_parse(sval)
if format_timestamp(dt2) == normalized_time:
continue # Пропускаем дубликат времени
except Exception:
pass # Если не распозналось, всё равно добавим
# Проверяем, является ли текущий ключ дубликатом уровня l, pid, mt, tn, v
elif k == "level" and transformed_entry.get("l") and str(v).title() == transformed_entry["l"]:
continue
elif k == "pid" and transformed_entry.get("pid") and str(v) == transformed_entry["pid"]:
continue
elif k == "message" and transformed_entry.get("mt") and v == transformed_entry["mt"]:
continue
elif k == "name" and transformed_entry.get("tn") and v == transformed_entry["tn"]:
continue
elif k == "version" and transformed_entry.get("v") and v == transformed_entry["v"]:
continue
# Рекурсивно обрабатываем вложенные словари
elif isinstance(v, dict):
cleaned_v = clean_nested_duplicates(v, transformed_entry)
if cleaned_v: # Добавляем только непустые словари
cleaned[k] = cleaned_v
# Для вложенных списков, проверим элементы, если они словари
elif isinstance(v, list):
cleaned_list = []
for item in v:
if isinstance(item, dict):
cleaned_item = clean_nested_duplicates(item, transformed_entry)
if cleaned_item:
cleaned_list.append(cleaned_item)
else:
cleaned_list.append(item)
if cleaned_list: # Добавляем только непустые списки
cleaned[k] = cleaned_list
else:
cleaned[k] = v
return cleaned
def remove_time_duplicates_from_args(args_dict, normalized_time_str):
"""Рекурсивно удаляет дубликаты времени из словаря args."""
if not normalized_time_str or not isinstance(args_dict, dict):
return args_dict
def _clean_time_recursive(d):
if isinstance(d, dict):
new_d = {}
for k, v in d.items():
if k in {"@timestamp", "timestamp", "time", "date"}:
if isinstance(v, str):
try:
sval = v
if sval.endswith("Z"):
sval = sval.replace("Z", "+00:00")
dt2 = cached_parse(sval)
if format_timestamp(dt2) == normalized_time_str:
continue # Пропускаем дубликат
except Exception:
pass # Не распознано, добавим
elif isinstance(v, dict):
new_d[k] = _clean_time_recursive(v)
elif isinstance(v, list):
new_d[k] = [_clean_time_recursive(item) if isinstance(item, dict) else item for item in v]
else:
new_d[k] = v
return new_d
return d
return _clean_time_recursive(args_dict)
def process_file_and_sort_chunk(args):
i, file_path, temp_dir = args
sorted_entries = []
detected_encoding = None
try:
# --- 1. Определение кодировки ---
with open(file_path, 'rb') as f:
raw_data = f.read(8192) # Читаем больше данных для точности
result = chardet.detect(raw_data)
chardet_encoding = result['encoding']
confidence = result['confidence']
logging.info(f"Chardet: {chardet_encoding} (conf: {confidence:.2f}) for {file_path}")
# Кандидаты: сначала chardet, потом cp1251, utf-8-sig, utf-8
encodings_to_try = []
if chardet_encoding and confidence > 0.6:
encodings_to_try.append(chardet_encoding)
encodings_to_try.extend(['cp1251', 'utf-8-sig', 'utf-8'])
# Убираем дубликаты, сохраняя порядок
seen = set()
encodings_to_try = [e for e in encodings_to_try if e and not (e in seen or seen.add(e))]
content_lines = None
for enc in encodings_to_try:
try:
with open(file_path, 'r', encoding=enc, errors='strict') as f:
content_lines = f.readlines()
detected_encoding = enc
logging.info(f"Successfully read {file_path} with encoding: {enc}")
break
except (UnicodeDecodeError, LookupError) as e:
logging.debug(f"Failed to read {file_path} with {enc}: {e}")
continue
if content_lines is None:
# Последний шанс: читаем с errors='replace'
logging.warning(f"Fallback to cp1251 with errors='replace' for {file_path}")
with open(file_path, 'r', encoding='cp1251', errors='replace') as f:
content_lines = f.readlines()
detected_encoding = 'cp1251 (fallback)'
# --- 2. Обработка строк ---
for line in content_lines:
entry = parse_log_line(line, file_path)
if entry:
sorted_entries.append(entry)
# Сортировка по времени
sorted_entries.sort(key=lambda x: x.get('t', ''))
# --- 3. Запись во временный файл в UTF-8 ---
temp_file = get_unique_filename(temp_dir, file_path)
with open(temp_file, 'w', encoding='utf-8', errors='replace') as tf:
for entry in sorted_entries:
json_line = json.dumps(entry, ensure_ascii=False, indent=None)
tf.write(json_line + '\n')
return temp_file
except Exception as e:
logging.error(f"Critical error processing {file_path}: {e}", exc_info=True)
return None
def resource_path(relative_path):
"""Возвращает правильный путь к ресурсам, работает и в PyInstaller, и в обычном Python"""
try:
# PyInstaller создает временную папку _MEIPASS
base_path = sys._MEIPASS
except Exception:
base_path = os.path.abspath(".")
return os.path.join(base_path, relative_path)
# Функция для активации тёмной темы title bar на Windows (если возможно)
def setup_windows_dark_titlebar(root):
if os.name == 'nt': # Windows
try:
import ctypes
from ctypes import wintypes
# Получаем handle окна
hwnd = ctypes.windll.user32.GetParent(root.winfo_id())
# Устанавливаем DWMWA_USE_IMMERSIVE_DARK_MODE = 20 (Windows 10+)
ctypes.windll.dwmapi.DwmSetWindowAttribute(hwnd, 20, ctypes.byref(ctypes.c_int(1)), ctypes.sizeof(ctypes.c_int))
except Exception:
pass # Если не удалось, игнорируем
class LogMergerApp:
def __init__(self, root):
self.root = root
self.root.title("logmrgr v031.5")
icon_path = resource_path("icon/icon.ico")
self.root.iconbitmap(icon_path)
self.root.geometry("250x350")
self.root.resizable(False, False)
self.root.configure(bg="#2E2E2E")
# Активируем тёмную тему для title bar на Windows
setup_windows_dark_titlebar(root)
self.loaded_files = []
self.temp_dir = tempfile.mkdtemp()
self.temp_files = []
self.after_id = None
self.progress_value = 0
self.progress_lock = threading.Lock()
self.total_lines = 0
self.current_line = 0
self.last_update_time = 0
self.style = ttk.Style()
# Используем 'clam' для кастомизации, но настраиваем под тёмную тему
self.style.theme_use('clam')
# Тёмная тема для всех элементов
self.style.configure('TFrame', background='#2E2E2E')
self.style.configure('TLabel', background='#2E2E2E', foreground='white', font=('Arial', 9))
self.style.configure('Fixed.TButton', background='#4A4A4A', foreground='white', bordercolor='#555555', padding=5, focuscolor='none')
self.style.map('Fixed.TButton', background=[('active', '#006400'), ('pressed', '#004d00')], foreground=[('active', 'white')])
# стиль подсвеченной кнопки
self.style.configure('Highlight.TButton',
background='#228B22', foreground='white',
bordercolor='#00FF00', padding=5)
self.style.map('Highlight.TButton',
background=[('active', '#32CD32')],
foreground=[('active', 'white')])
# Тёмная прогресс-бар
self.style.configure(
"Green.Horizontal.TProgressbar",
troughcolor="#2E2E2E", # фон канавки (тёмный серый)
background="#00FF00", # основной зелёный
bordercolor="#2E2E2E",
lightcolor="#33FF33", # подсветка сверху
darkcolor="#009900" # затемнение снизу
)
self.style.configure('TNotebook', background='#2E2E2E')
self.style.configure('TNotebook.Tab', background='#4A4A4A', foreground='white', padding=[10, 5])
self.main_frame = tk.Frame(root, bg="#2E2E2E")
self.main_frame.pack(expand=True)
tk.Frame(self.main_frame, bg="#2E2E2E", height=10).pack()
button_width = 25 # одинаковая ширина
self.load_button = ttk.Button(self.main_frame, text="Загрузить файлы 📄", command=self.load_logs, style='Fixed.TButton', width=button_width)
self.load_button.pack(fill='x', pady=5, padx=15)
self.load_folder_button = ttk.Button(self.main_frame, text="Загрузить папку 📂", command=self.load_folder, style='Fixed.TButton', width=button_width)
self.load_folder_button.pack(fill='x', pady=5, padx=15)
self.merge_button = ttk.Button(self.main_frame, text="Соединить логи 🧩", command=self.start_merge_logs, style='Fixed.TButton', width=button_width)
self.merge_button.pack(fill='x', pady=5, padx=15)
self.save_button = ttk.Button(self.main_frame, text="Сохранить всё 💾", command=self.save_logs, state='disabled', style='Fixed.TButton', width=button_width)
self.save_button.pack(fill='x', pady=5, padx=15)
self.open_folder_button = ttk.Button(self.main_frame, text="Открыть папку 📁", command=self.open_folder, state='disabled', style='Fixed.TButton', width=button_width)
self.open_folder_button.pack(fill='x', pady=5, padx=15)
self.progress_label = tk.Label(self.main_frame, text="Загрузите логи", bg="#2E2E2E", fg="white", font=("Arial", 9))
self.progress_label.pack(pady=2)
self.animation_label = tk.Label(self.main_frame, text="", bg="#2E2E2E", fg="#00FF00", font=("Courier", 10, "bold"))
self.animation_label.pack(pady=2)
self.progress_bar = ttk.Progressbar(
self.main_frame,
orient='horizontal',
length=200,
mode='determinate',
style="Green.Horizontal.TProgressbar"
)
self.progress_bar.pack(pady=5)
self.animation_frames = ["|", "/", "-", "\\"]
self.animation_index = 0
self.is_animating = False
self.lines_processed = 0
self.saved_file_path = None
self.highlight_step("load")
def highlight_step(self, step):
"""Подсвечивает кнопку в зависимости от этапа работы"""
# сбрасываем все кнопки в обычный стиль
for btn in [self.load_button, self.load_folder_button,
self.merge_button, self.save_button, self.open_folder_button]:
btn.configure(style="Fixed.TButton")
if step == "load": # ожидаем загрузку файлов
self.load_button.configure(style="Highlight.TButton")
self.load_folder_button.configure(style="Highlight.TButton")
elif step == "merge": # готовы соединять
self.merge_button.configure(style="Highlight.TButton")
elif step == "save": # готовы сохранять
self.save_button.configure(style="Highlight.TButton")
elif step == "open": # всё готово, можно открыть папку
self.open_folder_button.configure(style="Highlight.TButton")
def update_progress(self, start_time, progress=0, bytes_processed=0, lines_processed=None):
current_time = time.time()
if current_time - self.last_update_time < 0.2:
return
with self.progress_lock:
elapsed = time.time() - start_time
self.progress_value = min(progress, 100)
self.progress_bar['value'] = self.progress_value
if bytes_processed > 0:
mb_processed = bytes_processed / (1024 * 1024)
self.progress_label.config(text=f"⏱ {elapsed:.1f}с | 📦 {mb_processed:.1f}МБ")
elif lines_processed is not None:
self.progress_label.config(text=f"⏱ {elapsed:.1f}с | 📝 {lines_processed} строк")
else:
self.progress_label.config(text=f"⏱ {elapsed:.1f}с")
self.last_update_time = current_time
try:
self.root.update_idletasks()
except:
pass
def start_animation(self):
if not self.is_animating:
self.is_animating = True
self.animate()
def animate(self):
if self.is_animating:
self.animation_label.config(text=f"🚀 Работа в процессе {self.animation_frames[self.animation_index]}")
self.animation_index = (self.animation_index + 1) % len(self.animation_frames)
self.after_id = self.root.after(150, self.animate)
def stop_animation(self):
if self.after_id:
self.root.after_cancel(self.after_id)
self.after_id = None
self.is_animating = False
self.animation_label.config(text="")
# Не очищаем progress_label здесь, чтобы сохранить информацию
def load_logs(self):
files = filedialog.askopenfilenames(
title="Выберите .log файлы",
filetypes=[("Log files", "*.log *.json *.ndjson")]
)
if files:
self.loaded_files.extend(list(files))
self.progress_label.config(text=f"Загружено {len(self.loaded_files)} файлов")
self.highlight_step("merge")
def load_folder(self):
folder = filedialog.askdirectory(title="Выберите папку")
if folder:
log_files = []
for root_dir, _, files in os.walk(folder):
for file in files:
if file.endswith((".log", ".json", ".ndjson")):
log_files.append(os.path.join(root_dir, file))
if log_files:
self.loaded_files.extend(log_files)
self.progress_label.config(text=f"Загружено {len(self.loaded_files)} файлов")
else:
self.progress_label.config(text="Нет .log, .json или .ndjson файлов")
self.highlight_step("merge")
def start_merge_logs(self):
if not self.loaded_files:
messagebox.showerror("Ошибка", "Сначала загрузите файлы.")
return
self.merge_button.config(state='disabled')
self.start_animation()
start_time = time.time()