跳转至

内置函数


函数参数说明:

  • 函数参数中,匿名参数(_)指原始的输入文本数据
  • JSON 路径,直接表示成 x.y.z 这种形式,无需其它修饰。例如 {"a":{"first":2.3, "second":2, "third":"abc", "forth":true}, "age":47},json 路径为 a.thrid 表示待操作数据为 abc
  • 所有函数参数的相对顺序,都是固定的,引擎会对其做具体检查
  • 以下提到的所有 key 参数,都指已经过初次提取(通过 grok()json())之后,生成的 key
  • 待处理 JSON 的路径,支持标识符的写法,不能使用字符串,如果是生成新 key,需要使用字符串

函数列表

add_key()

函数原型:fn add_key(key, value)

函数说明:往 point 中增加一个字段

函数参数

  • key: 新增的 key 名称
  • value:作为 key 的值

示例:

# 待处理数据:{"age": 17, "name": "zhangsan", "height": 180}

# 处理脚本
add_key(city, "shanghai")

# 处理结果
{
    "age": 17,
    "height": 180,
    "name": "zhangsan",
    "city": "shanghai"
}

add_pattern()

函数原型:fn add_pattern(name: str, pattern: str)

函数说明:创建自定义 grok 模式。grok 模式有作用域限制,如在 if else 语句内将产生新的作用域,该 pattern 仅在此作用域内有效。该函数不可覆盖同一作用域或者上一作用域已经存在的 grok 模式

参数:

  • name:模式命名
  • pattern: 自定义模式内容

示例:

# 待处理数据:"11,abc,end1", "22,abc,end1", "33,abc,end3"

# pipline 脚本
add_pattern("aa", "\\d{2}")
grok(_, "%{aa:aa}")
if false {

} else {
    add_pattern("bb", "[a-z]{3}")
    if aa == "11" {
        add_pattern("cc", "end1")
        grok(_, "%{aa:aa},%{bb:bb},%{cc:cc}")
    } elif aa == "22" {
        # 此处使用 pattern cc 将导致编译失败:no pattern found for %{cc}
        grok(_, "%{aa:aa},%{bb:bb},%{INT:cc}")
    } elif aa == "33" {
        add_pattern("bb", "[\\d]{5}") # 此处覆盖 bb 失败
        add_pattern("cc", "end3")
        grok(_, "%{aa:aa},%{bb:bb},%{cc:cc}")
    }
}

# 处理结果
{
    "aa":      "11"
    "bb":      "abc"
    "cc":      "end1"
    "message": "11,abc,end1"
}
{
    "aa":      "22"
    "message": "22,abc,end1"
}
{
    "aa":      "33"
    "bb":      "abc"
    "cc":      "end3"
    "message": "33,abc,end3"
}

adjust_timezone()

函数原型:fn adjust_timezone(key: int, minute: int)

函数参数

  • key: 纳秒时间戳,如 default_time(time) 函数处理后得到的时间戳
  • minute: 返回值允许超出当前时间的分钟数(整数),取值范围 [0, 15], 默认值为 2 分钟

函数说明:使得传入的时间戳减去函数执行时刻的时间戳的差值在(-60+minute, minute] 分钟内;不适用于时间差超出此范围的数据,否则将导致获取到错误的数据。计算流程:

  1. 为 key 的值加上数小时使其处于当前小时内
  2. 此时计算两者分钟差,两者分钟数值范围为 [0, 60),差值范围在 (-60,0] 和 [0, 60)
  3. 差值小于等于 -60 + minute 的加 1 小时,大于 minute 的减 1 小时
  4. minute 默认值为 2,则差的范围允许在 (-58, 2],若此时为 11:10,日志时间为 3:12:00.001,最终结果为 10:12:00.001;若此时为 11:59:1.000, 日志时间为 3:01:1.000,最终结果为 12:01:1.000

示例:

# 输入 1 
{
    "time":"11 Jul 2022 12:49:20.937", 
    "second":2,
    "third":"abc",
    "forth":true
}

脚本:

json(_, time)      # 提取 time 字段 (若容器中时区 UTC+0000)
default_time(time) # 将提取到的 time 字段转换成时间戳
                   # (对无时区数据使用本地时区 UTC+0800/UTC+0900..。解析)
adjust_timezone(time)
                   # 自动(重新)选择时区,校准时间偏差

执行 datakit pipeline -P <name>.p -F <input_file_name> --date:

# 输出 1
{
  "message": "{\n    \"time\":\"11 Jul 2022 12:49:20.937\",\n    \"second\":2,\n    \"third\":\"abc\",\n    \"forth\":true\n}",
  "status": "unknown",
  "time": "2022-07-11T20:49:20.937+08:00"
}

本机时间:2022-07-11T20:55:10.521+08:00

仅使用 default_time 按照默认本机时区(UTC+8)解析得到的时间分别为:

  • 输入 1 结果: 2022-07-11T12:49:20.937+08:00

使用 adjust_timezone 后将得到:

  • 输入 1 结果: 2022-07-11T20:49:20.937+08:00

agg_create()

函数原型:fn agg_create(bucket: str, on_interval: str = "60s", on_count: int = 0, keep_value: bool = false, const_tags: map[string]string = nil, category: str = "M")

函数说明:创建一个用于聚合的指标集,通过 on_intervalon_count 设置时间或次数作为聚合周期,聚合结束后将上传聚合数据,可以选择是否保留上一次聚合的数据;该函数不适用于中心 Pipeline。

函数参数:

  • bucket: 字符串类型,作为聚合出的指标的指标集名,如果该 bucket 已经创建,则函数不执行任何操作。
  • on_interval:默认值 60s, 以时间作为聚合周期,单位 s,值大于 0 时参数生效;不能同时与 on_count 小于等于 0。
  • on_count: 默认值 0,以处理的点数作为聚合周期,值大于 0 时参数生效。
  • keep_value: 默认值 false
  • const_tags: 自定义的 tags,默认为空。
  • category: 聚合数据的数据类别,可选参数,默认值为 "M",表示指标类别数据。

示例:

agg_create("cpu_agg_info", on_interval = "30s")

agg_metric()

函数原型:fn agg_metric(bucket: str, new_field: str, agg_fn: str, agg_by: []string, agg_field: str, category: str = "M")

函数说明:根据输入的数据中的字段的名,自动取值后作为聚合数据的 tag,并将这些聚合数据存储在对应的 bucket 中;该函数不适用于中心 Pipeline。

函数参数:

  • bucket: 字符串类型,函数 agg_create 创建出的对应指标集合的 bucket,如果该 bucket 未被创建,则函数不执行任何操作。
  • new_field: 聚合出的数据中的指标名,其值的数据类型为 float
  • agg_fn: 聚合函数,可以是 "avg","sum","min","max","set" 中的一种。
  • agg_by: 输入的数据中的字段的名,将作为聚合出的数据的 tag,这些字段的值只能是字符串类型的数据。
  • agg_field: 输入的数据中的字段名,自动获取字段值进行聚合。
  • category: 聚合数据的数据类别,可选参数,默认值为 "M",表示指标类别数据。

示例:

以日志类别数据为例:

连续多个输入:

  • 样本日志一: {"a": 1}
  • 样本日志二: {"a": 2}

脚本:

agg_create("cpu_agg_info", on_interval="10s", const_tags={"tag1":"value_user_define_tag"})

set_tag("tag1", "value1")

field1 = load_json(_)

field1 = field1["a"]

agg_metric("cpu_agg_info", "agg_field_1", "sum", ["tag1", "host"], "field1")

指标输出:

{
    "host": "your_hostname",
    "tag1": "value1",
    "agg_field_1": 3
}

append()

函数原型:fn append(arr, elem) arr

函数说明:往数组 arr 末尾添加元素 elem。

参数:

  • arr: 要添加元素的数组。
  • elem: 添加的元素。

示例:

# 例 1
abc = ["1", "2"]
abc = append(abc, 5.1)
# abc = ["1", "2", 5.1]

# 例 2
a = [1, 2]
b = [3, 4]
c = append(a, b)
# c = [1, 2, [3, 4]]

b64dec()

函数原型:fn b64dec(key: str)

函数说明:对指定字段上获取的字符串数据进行 base64 解码

函数参数

  • key: 待提取字段

示例:

# 待处理数据 {"str": "aGVsbG8sIHdvcmxk"}
json(_, `str`)
b64enc(`str`)

# 处理结果
# {
#   "str": "hello, world"
# }

b64enc()

函数原型:fn b64enc(key: str)

函数说明:对指定字段上获取的字符串数据进行 base64 编码

函数参数

  • key: 待提取字段

示例:

# 待处理数据 {"str": "hello, world"}
json(_, `str`)
b64enc(`str`)

# 处理结果
# {
#   "str": "aGVsbG8sIHdvcmxk"
# }

cache_get()

函数原型:fn cache_get(key: str) nil|str

函数说明:从 cache 中获取 key 所对应的 value

参数:

  • key:键

示例:

a = cache_get("a")
add_key(abc, a)

cache_set()

函数原型:fn cache_set(key: str, value: str, expiration: int) nil

函数说明:将键值对保存到 cache 中

参数:

  • key:键(必填)
  • value:值(必填)
  • expiration:过期时间(默认=100s)

示例:

a = cache_set("a", "123")
a = cache_get("a")
add_key(abc, a)

cast()

函数原型:fn cast(key, dst_type: str)

函数说明:将 key 值转换成指定类型

函数参数

  • key: 已提取的某字段
  • type:转换的目标类型,支持 \"str\", \"float\", \"int\", \"bool\" 这几种,目标类型需要用英文状态双引号括起来

示例:

# 待处理数据:{"first": 1,"second":2,"third":"aBC","forth":true}

# 处理脚本
json(_, first) 
cast(first, "str")

# 处理结果
{
  "first": "1"
}

cidr()

函数原型:fn cidr(ip: str, prefix: str) bool

函数说明: 判断 IP 是否在某个 CIDR 块

函数参数

  • ip: IP 地址
  • prefix: IP 前缀,如 192.0.2.1/24

示例:

# 待处理数据:

# 处理脚本

ip = "192.0.2.233"
if cidr(ip, "192.0.2.1/24") {
    add_key(ip_prefix, "192.0.2.1/24")
}

# 处理结果
{
  "ip_prefix": "192.0.2.1/24"
}

conv_traceid_w3c_to_dd()

函数原型:fn conv_traceid_w3c_to_dd(key)

函数说明:将 16 进制编码的 128-bit/64-bit W3C Trace ID 字符串(长度 32 个字符或 16 个字符)转换为 10 进制编码的 64-bit DataDog Trace ID 字符串。

函数参数

  • key: 待转换的 128-bit/64-bit Trace ID

示例:

# script input:

"18962fdd9eea517f2ae0771ea69d6e16"

# script:

grok(_, "%{NOTSPACE:trace_id}")

conv_traceid_w3c_to_dd(trace_id)

# result:

{
    "trace_id": "3089600317904219670",
}

cover()

函数原型:fn cover(key: str, range: list)

函数说明:对指定字段上获取的字符串数据,按范围进行数据脱敏处理

函数参数

  • key: 待提取字段
  • range: 脱敏字符串的索引范围([start,end]) start 和 end 均支持负数下标,用来表达从尾部往前追溯的语义。区间合理即可,end 如果大于字符串最大长度会默认成最大长度

示例:

# 待处理数据 {"str": "13789123014"}
json(_, `str`)
cover(`str`, [8, 9])

# 待处理数据 {"abc": "13789123014"}
json(_, abc)
cover(abc, [2, 4])

create_point()

函数原型:fn create_point(name, tags, fields, ts = 0, category = "M", after_use = "")

函数说明:创建新的数据并输出。该函数不适用于中心 Pipeline。

函数参数:

  • name: point name,视为指标集的名、日志 source 等
  • tags: 数据标签
  • fields: 数据字段
  • ts: 可选参数,unix 纳秒时间戳,默认为当前时间
  • category: 可选参数,数据类别,支持类别名称和名称简写,如指标类别可以填写 Mmetric,日志则是 Llogging
  • after_use: 可选参数,创建 point 后,对创建的 point 执行指定的 pl 脚本;如果原始数据类型是 L,被创建的数据的类别为 M,此时执行的还是 L 类别下的脚本

示例:

# input
'''
{"a": "b"}
'''
fields = load_json(_)
create_point("name_pt", {"a": "b"}, fields)

datetime()

函数原型:fn datetime(key, precision: str, fmt: str, tz: str = "")

函数说明:将时间戳转成指定日期格式

函数参数:

  • key: 已经提取的时间戳
  • precision:输入的时间戳精度(s, ms, us, ns)
  • fmt:日期格式,提供内置日期格式且支持自定义日期格式
  • tz: 时区 (可选参数),将时间戳转换为指定时区的时间,默认使用主机的时区

内置日期格式:

内置格式 日期 描述
"ANSI-C" "Mon Jan _2 15:04:05 2006"
"UnixDate" "Mon Jan _2 15:04:05 MST 2006"
"RubyDate" "Mon Jan 02 15:04:05 -0700 2006"
"RFC822" "02 Jan 06 15:04 MST"
"RFC822Z" "02 Jan 06 15:04 -0700" RFC822 with numeric zone
"RFC850" "Monday, 02-Jan-06 15:04:05 MST"
"RFC1123" "Mon, 02 Jan 2006 15:04:05 MST"
"RFC1123Z" "Mon, 02 Jan 2006 15:04:05 -0700" RFC1123 with numeric zone
"RFC3339" "2006-01-02T15:04:05Z07:00"
"RFC3339Nano" "2006-01-02T15:04:05.999999999Z07:00"
"Kitchen" "3:04PM"

自定义日期格式:

可通过占位符的组合自定义输出日期格式

字符 示例 描述
a %a 星期的缩写,如 Wed
A %A 星期的全写,如 Wednesday
b %b 月份缩写,如 Mar
B %B 月份的全写,如 March
C %c 世纪数,当前年份除 100
d %d 一个月内的第几天;范围 [01, 31]
e %e 一个月内的第几天;范围 [1, 31],使用空格填充
H %H 小时,使用 24 小时制; 范围 [00, 23]
I %I 小时,使用 12 小时制; 范围 [01, 12]
j %j 一年内的第几天,范围 [001, 365]
k %k 小时,使用 24 小时制; 范围 [0, 23]
l %l 小时,使用 12 小时制; 范围 [1, 12],使用空格填充
m %m 月份,范围 [01, 12]
M %M 分钟,范围 [00, 59]
n %n 表示换行符 \n
p %p AMPM
P %P ampm
s %s 自 1970-01-01 00:00:00 UTC 来的的秒数
S %S 秒数,范围 [00, 60]
t %t 表示制表符 \t
u %u 星期几,星期一为 1,范围 [1, 7]
w %w 星期几,星期天为 0, 范围 [0, 6]
y %y 年份,范围 [00, 99]
Y %Y 年份的十进制表示
z %z RFC 822/ISO 8601:1988 风格的时区 (如: -0600+0100 等)
Z %Z 时区缩写,如 CST
% %% 表示字符 %

示例:

# 待处理数据:
#    {
#        "a":{
#            "timestamp": "1610960605000",
#            "second":2
#        },
#        "age":47
#    }

# 处理脚本
json(_, a.timestamp)
datetime(a.timestamp, 'ms', 'RFC3339')
# 处理脚本
ts = timestamp()
datetime(ts, 'ns', fmt='%Y-%m-%d %H:%M:%S', tz="UTC")

# 输出
{
  "ts": "2023-03-08 06:43:39"
}
# 处理脚本
ts = timestamp()
datetime(ts, 'ns', '%m/%d/%y  %H:%M:%S %z', "Asia/Tokyo")

# 输出
{
  "ts": "03/08/23  15:44:59 +0900"
}

decode()

函数原型:fn decode(text: str, text_encode: str)

函数说明:把 text 变成 UTF8 编码,以处理原始日志为非 UTF8 编码的问题。目前支持的编码为 utf-16le/utf-16be/gbk/gb18030(这些编码名只能小写)

decode("wwwwww", "gbk")

# Extracted data(drop: false, cost: 33.279µs):
# {
#   "message": "wwwwww",
# }

default_time()

函数原型:fn default_time(key: str, timezone: str = "")

函数说明:以提取的某个字段作为最终数据的时间戳

函数参数

  • key: 指定的 key, key 的数据类型需要为字符串类型
  • timezone: 指定待格式化的时间文本所使用的时区,可选参数,默认为当前系统时区,时区示例 +8/-8/+8:30

待处理数据支持以下格式化时间

日期格式 日期格式 日期格式 日期格式
2014-04-26 17:24:37.3186369 May 8, 2009 5:57:51 PM 2012-08-03 18:31:59.257000000 oct 7, 1970
2014-04-26 17:24:37.123 oct 7, '70 2013-04-01 22:43 oct. 7, 1970
2013-04-01 22:43:22 oct. 7, 70 2014-12-16 06:20:00 UTC Mon Jan 2 15:04:05 2006
2014-12-16 06:20:00 GMT Mon Jan 2 15:04:05 MST 2006 2014-04-26 05:24:37 PM Mon Jan 02 15:04:05 -0700 2006
2014-04-26 13:13:43 +0800 Monday, 02-Jan-06 15:04:05 MST 2014-04-26 13:13:43 +0800 +08 Mon, 02 Jan 2006 15:04:05 MST
2014-04-26 13:13:44 +09:00 Tue, 11 Jul 2017 16:28:13 +0200 (CEST) 2012-08-03 18:31:59.257000000 +0000 UTC Mon, 02 Jan 2006 15:04:05 -0700
2015-09-30 18:48:56.35272715 +0000 UTC Thu, 4 Jan 2018 17:53:36 +0000 2015-02-18 00:12:00 +0000 GMT Mon 30 Sep 2018 09:09:09 PM UTC
2015-02-18 00:12:00 +0000 UTC Mon Aug 10 15:44:11 UTC+0100 2015 2015-02-08 03:02:00 +0300 MSK m=+0.000000001 Thu, 4 Jan 2018 17:53:36 +0000
2015-02-08 03:02:00.001 +0300 MSK m=+0.000000001 Fri Jul 03 2015 18:04:07 GMT+0100 (GMT Daylight Time) 2017-07-19 03:21:51+00:00 September 17, 2012 10:09am
2014-04-26 September 17, 2012 at 10:09am PST-08 2014-04 September 17, 2012, 10:10:09
2014 2014:3:31 2014-05-11 08:20:13,787 2014:03:31
3.31.2014 2014:4:8 22:05 03.31.2014 2014:04:08 22:05
08.21.71 2014:04:2 03:00:51 2014.03 2014:4:02 03:00:51
2014.03.30 2012:03:19 10:11:59 20140601 2012:03:19 10:11:59.3186369
20140722105203 2014 年 04 月 08 日 1332151919 2006-01-02T15:04:05+0000
1384216367189 2009-08-12T22:15:09-07:00 1384216367111222 2009-08-12T22:15:09
1384216367111222333 2009-08-12T22:15:09Z

JSON 提取示例:

# 原始 json
{
    "time":"06/Jan/2017:16:16:37 +0000",
    "second":2,
    "third":"abc",
    "forth":true
}

# pipeline 脚本
json(_, time)      # 提取 time 字段
default_time(time) # 将提取到的 time 字段转换成时间戳

# 处理结果
{
  "time": 1483719397000000000,
}

文本提取示例:

# 原始日志文本
2021-01-11T17:43:51.887+0800  DEBUG io  io/io.go:458  post cost 6.87021ms

# pipeline 脚本
grok(_, '%{TIMESTAMP_ISO8601:log_time}')   # 提取日志时间,并将字段命名为 log_time
default_time(log_time)                     # 将提取到的 log_time 字段转换成时间戳

# 处理结果
{
  "log_time": 1610358231887000000,
}

# 对于 logging 采集的数据,最好将时间字段命名为 time,否则 logging 采集器会以当前时间填充
rename("time", log_time)

# 处理结果
{
  "time": 1610358231887000000,
}

delete()

函数原型:fn delete(src: map[string]any, key: str)

函数说明: 删除 JSON map 中的 key

# input
# {"a": "b", "b":[0, {"c": "d"}], "e": 1}

# script
j_map = load_json(_)

delete(j_map["b"][-1], "c")

delete(j_map, "a")

add_key("j_map", j_map)

# result:
# {
#   "j_map": "{\"b\":[0,{}],\"e\":1}",
# }

drop()

函数原型:fn drop()

函数说明:丢弃整条日志,不进行上传

# in << {"str_a": "2", "str_b": "3"}
json(_, str_a)
if str_a == "2"{
  drop()
  exit()
}
json(_, str_b)

# Extracted data(drop: true, cost: 30.02µs):
# {
#   "message": "{\"str_a\": \"2\", \"str_b\": \"3\"}",
#   "str_a": "2"
# }

drop_key()

函数原型:fn drop_key(key)

函数说明:删除已提取字段

函数参数:

  • key: 待删除字段名

示例:

# data = "{\"age\": 17, \"name\": \"zhangsan\", \"height\": 180}"

# 处理脚本
json(_, age,)
json(_, name)
json(_, height)
drop_key(height)

# 处理结果
{
    "age": 17,
    "name": "zhangsan"
}

drop_origin_data()

函数原型:fn drop_origin_data()

函数说明:丢弃初始化文本,否则初始文本放在 message 字段中

示例:

# 待处理数据:{"age": 17, "name": "zhangsan", "height": 180}

# 结果集中删除 message 内容
drop_origin_data()

duration_precision()

函数原型:fn duration_precision(key, old_precision: str, new_precision: str)

函数说明:进行 duration 精度的转换,通过参数指定当前精度和目标精度。支持在 s, ms, us, ns 间转换。

# in << {"ts":12345}
json(_, ts)
cast(ts, "int")
duration_precision(ts, "ms", "ns")

# Extracted data(drop: false, cost: 33.279µs):
# {
#   "message": "{\"ts\":12345}",
#   "ts": 12345000000
# }

exit()

函数原型:fn exit()

函数说明:结束当前一条日志的解析,若未调用函数 drop() 仍会输出已经解析的部分

# in << {"str_a": "2", "str_b": "3"}
json(_, str_a)
if str_a == "2"{
  exit()
}
json(_, str_b)

# Extracted data(drop: false, cost: 48.233µs):
# {
#   "message": "{\"str_a\": \"2\", \"str_b\": \"3\"}",
#   "str_a": "2"
# }

format_int()

函数原型:fn format_int(val: int, base: int) str

函数说明:将数值转换为指定进制的数值字符串。

参数:

  • val: 待转换的整数
  • base: 进制,范围 2 到 36;进制大于 10 时使用小写字母 a 到 z 表示 10 及以后的数值。

示例:

# script0
a = 7665324064912355185
b = format_int(a, 16)
if b != "6a60b39fd95aaf71" {
    add_key(abc, b)
} else {
    add_key(abc, "ok")
}

# result
'''
{
    "abc": "ok"
}
'''

# script1
a = "7665324064912355185"
b = format_int(parse_int(a, 10), 16)
if b != "6a60b39fd95aaf71" {
    add_key(abc, b)
} else {
    add_key(abc, "ok")
}

# result
'''
{
    "abc": "ok"
}
'''

geoip()

函数原型:fn geoip(ip: str)

函数说明:在 IP 上追加更多 IP 信息。 geoip() 会额外产生多个字段,如:

  • isp: 运营商
  • city: 城市
  • province: 省份
  • country: 国家

参数:

  • ip: 已经提取出来的 IP 字段,支持 IPv4 和 IPv6

示例:

# 待处理数据:{"ip":"1.2.3.4"}

# 处理脚本
json(_, ip)
geoip(ip)

# 处理结果
{
  "city"     : "Brisbane",
  "country"  : "AU",
  "ip"       : "1.2.3.4",
  "province" : "Queensland",
  "isp"      : "unknown"
  "message"  : "{\"ip\": \"1.2.3.4\"}",
}

get_key()

函数原型:fn get_key(key)

函数说明:从输入 point 中读取 key 的值,而不是堆栈上的变量的值

函数参数

  • key_name: key 的名称

示例:

add_key("city", "shanghai")

# 此处可以直接通过 city 访问获取 point 中的同名 key 的值
if city == "shanghai" {
  add_key("city_1", city)
}

# 由于赋值的右结合性,先获取 key 为 "city" 的值,
# 而后创建名为 city 的变量
city = city + " --- ningbo" + " --- " +
    "hangzhou" + " --- suzhou ---" + ""

# get_key 从 point 中获取 "city" 的值
# 存在名为 city 的变量,则无法直接从 point 中获取
if city != get_key("city") {
  add_key("city_2", city)
}

# 处理结果
"""
{
  "city": "shanghai",
  "city_1": "shanghai",
  "city_2": "shanghai --- ningbo --- hangzhou --- suzhou ---"
}
"""

grok()

函数原型:fn grok(input: str, pattern: str, trim_space: bool = true) bool

函数说明:通过 pattern 提取文本串 input 中的内容,当 pattern 匹配 input 成功时返回 true 否则返回 false。

参数:

  • input:待提取文本,可以是原始文本(_)或经过初次提取之后的某个 key
  • pattern: grok 表达式,表达式中支持指定 key 的数据类型:bool, float, int, string(对应 ppl 的 str,亦可写为 str),默认为 string
  • trim_space: 删除提取出的字符中的空白首尾字符,默认值为 true
grok(_, pattern)    # 直接使用输入的文本作为原始数据
grok(key, pattern)  # 对之前已经提取出来的某个 key,做再次 grok

示例:

# 待处理数据:"12/01/2021 21:13:14.123"

# pipline 脚本
add_pattern("_second", "(?:(?:[0-5]?[0-9]|60)(?:[:.,][0-9]+)?)")
add_pattern("_minute", "(?:[0-5][0-9])")
add_pattern("_hour", "(?:2[0123]|[01]?[0-9])")
add_pattern("time", "([^0-9]?)%{_hour:hour:string}:%{_minute:minute:int}(?::%{_second:second:float})([^0-9]?)")

grok_match_ok = grok(_, "%{DATE_US:date} %{time}")

add_key(grok_match_ok)

# 处理结果
{
  "date": "12/01/2021",
  "hour": "21",
  "message": "12/01/2021 21:13:14.123",
  "minute": 13,
  "second": 14.123
}

{
  "date": "12/01/2021",
  "grok_match_ok": true,
  "hour": "21",
  "message": "12/01/2021 21:13:14.123",
  "minute": 13,
  "second": 14.123,
  "status": "unknown",
  "time": 1665994187473917724
}

group_between()

函数原型:fn group_between(key: int, between: list, new_value: int|float|bool|str|map|list|nil, new_key)

函数说明:如果 key 值在指定范围 between 内(注意:只能是单个区间,如 [0,100]),则可创建一个新字段,并赋予新值。若不提供新字段,则覆盖原字段值

示例一:

# 待处理数据:{"http_status": 200, "code": "success"}

json(_, http_status)

# 如果字段 http_status 值在指定范围内,则将其值改为 "OK"
group_between(http_status, [200, 300], "OK")

# 处理结果
{
    "http_status": "OK"
}

示例二:

# 待处理数据:{"http_status": 200, "code": "success"}

json(_, http_status)

# 如果字段 http_status 值在指定范围内,则新建 status 字段,其值为 "OK"
group_between(http_status, [200, 300], "OK", status)

# 处理结果
{
    "http_status": 200,
    "status": "OK"
}

group_in()

函数原型:fn group_in(key: int|float|bool|str, range: list, new_value: int|float|bool|str|map|list|nil, new-key = "")

函数说明:如果 key 值在列表 in 中,则可创建一个新字段,并赋予新值。若不提供新字段,则覆盖原字段值

示例:

# 如果字段 log_level 值在列表中,则将其值改为 "OK"
group_in(log_level, ["info", "debug"], "OK")

# 如果字段 http_status 值在指定列表中,则新建 status 字段,其值为 "not-ok"
group_in(log_level, ["error", "panic"], "not-ok", status)

http_request()

函数原型: fn http_request(method: str, url: str, headers: map) map

函数说明: 发送 HTTP 请求,接收响应并封装成 map

参数:

  • method:GET|POST
  • url: 请求路径
  • headers:附加的 header,类型为 map[string]string

返回值类型:map

key 包含了状态码(status_code)和返回体(body)

  • status_code: 状态码
  • body: 返回体

示例:

resp = http_request("GET", "http://localhost:8080/testResp")
resp_body = load_json(resp["body"])

add_key(abc, resp["status_code"])
add_key(abc, resp_body["a"])

json()

函数原型:fn json(input: str, json_path, newkey, trim_space: bool = true, delete_after_extract = false)

函数说明:提取 JSON 中的指定字段,并可将其命名成新的字段。

参数:

  • input: 待提取 JSON,可以是原始文本(_)或经过初次提取之后的某个 key
  • json_path: JSON 路径信息
  • newkey:提取后数据写入新 key
  • trim_space: 删除提取出的字符中的空白首尾字符,默认值为 true
  • delete_after_extract: 在提取结束后删除当前对象,在重新序列化后回写待提取对象;只能应用于 map 的 key 与 value 的删除,不能用于删除 list 的元素;默认值为 false,不进行任何操作
# 直接提取原始输入 JSON 中的 x.y 字段,并可将其命名成新字段 abc
json(_, x.y, abc)

# 已提取出的某个 `key`,对其再提取一次 `x.y`,提取后字段名为 `x.y`
json(key, x.y) 

示例一:

# 待处理数据:
# {"info": {"age": 17, "name": "zhangsan", "height": 180}}

# 处理脚本:
json(_, info, "zhangsan")
json(zhangsan, name)
json(zhangsan, age, "age")

# 处理结果:
{
  "age": 17,
  "message": "{\"info\": {\"age\": 17, \"name\": \"zhangsan\", \"height\": 180}}",
  "name": "zhangsan",
  "zhangsan": "{\"age\":17,\"height\":180,\"name\":\"zhangsan\"}"
}

示例二:

# 待处理数据:
#    data = {
#        "name": {"first": "Tom", "last": "Anderson"},
#        "age":37,
#        "children": ["Sara","Alex","Jack"],
#        "fav.movie": "Deer Hunter",
#        "friends": [
#            {"first": "Dale", "last": "Murphy", "age": 44, "nets": ["ig", "fb", "tw"]},
#            {"first": "Roger", "last": "Craig", "age": 68, "nets": ["fb", "tw"]},
#            {"first": "Jane", "last": "Murphy", "age": 47, "nets": ["ig", "tw"]}
#        ]
#    }

# 处理脚本:
json(_, name)
json(name, first)

示例三:

# 待处理数据:
#    [
#            {"first": "Dale", "last": "Murphy", "age": 44, "nets": ["ig", "fb", "tw"]},
#            {"first": "Roger", "last": "Craig", "age": 68, "nets": ["fb", "tw"]},
#            {"first": "Jane", "last": "Murphy", "age": 47, "nets": ["ig", "tw"]}
#    ]

# 处理脚本,json 数组处理:
json(_, .[0].nets[-1])

示例四:

# 待处理数据:
{"item": " not_space ", "item2":{"item3": [123]}}

# 处理脚本:
json(_, item2.item3, item, delete_after_extract = true)

# 输出:
{
  "item": "[123]",
  "message": "{\"item\":\" not_space \",\"item2\":{}}",
}

示例五:

# 待处理数据:
{"item": " not_space ", "item2":{"item3": [123]}}

# 处理脚本:
# 如果尝试删除列表元素将无法通过脚本检查
json(_, item2.item3[0], item, true, true)

# 本地测试命令:
# datakit pipeline -P j2.p -T '{"item": " not_space ", "item2":{"item3": [123]}}'
# 报错:
# [E] j2.p:1:37: does not support deleting elements in the list

kv_split()

函数原型:fn kv_split(key, field_split_pattern = " ", value_split_pattern = "=", trim_key = "", trim_value = "", include_keys = [], prefix = "") -> bool

函数说明:从字符串中提取出所有的键值对

参数:

  • key: key 名称
  • include_keys: 包含的 key 名称列表,仅提取在该列表内的 key;默认值为 [],不提取任何 key
  • field_split_pattern: 字符串分割,用于提取出所有键值对的正则表达式;默认值为 " "
  • value_split_pattern: 用于从键值对字符串分割出键和值,非递归;默认值为 "="
  • trim_key: 删除提取出的 key 的前导和尾随的所有指定的字符;默认值为 ""
  • trim_value: 删除提取出的 value 的前导和尾随的所有指定的字符;默认值为 ""
  • prefix: 给所有的 key 添加前缀字符串

示例:

# input: "a=1, b=2 c=3"
kv_split(_)

'''output:
{
  "message": "a=1, b=2 c=3",
  "status": "unknown",
  "time": 1679558730846377132
}
'''
# input: "a=1, b=2 c=3"
kv_split(_, include_keys=["a", "c", "b"])

'''output:
{
  "a": "1,",
  "b": "2",
  "c": "3",
  "message": "a=1 b=2 c=3",
  "status": "unknown",
  "time": 1678087119072769560
}
'''
# input: "a=1, b=2 c=3"
kv_split(_, trim_value=",", include_keys=["a", "c", "b"])

'''output:
{
  "a": "1",
  "b": "2",
  "c": "3",
  "message": "a=1, b=2 c=3",
  "status": "unknown",
  "time": 1678087173651846101
}
'''
# input: "a=1, b=2 c=3"
kv_split(_, trim_value=",", include_keys=["a", "c"])

'''output:
{
  "a": "1",
  "c": "3",
  "message": "a=1, b=2 c=3",
  "status": "unknown",
  "time": 1678087514906492912
}
'''
# input: "a::1,+b::2+c::3" 
kv_split(_, field_split_pattern="\\+", value_split_pattern="[:]{2}",
    prefix="with_prefix_",trim_value=",", trim_key="a", include_keys=["a", "b", "c"])

'''output:
{
  "message": "a::1,+b::2+c::3",
  "status": "unknown",
  "time": 1678087473255241547,
  "with_prefix_b": "2",
  "with_prefix_c": "3"
}
'''

len()

函数原型:fn len(val: str|map|list) int

函数说明:计算 string 字节数,map 和 list 的元素个数。

参数:

  • val: 可以是 map、list 或 string

示例:

# 例 1
add_key(abc, len("abc"))
# 输出
{
 "abc": 3,
}

# 例 2
add_key(abc, len(["abc"]))
#处理结果
{
  "abc": 1,
}

load_json()

函数原型:fn load_json(val: str) nil|bool|float|map|list

函数说明:将 JSON 字符串转换成 map、list、nil、bool、float 的其中一种,可通过 index 表达式取值及修改值。若反序列化失败,也返回 nil,而不是终止脚本运行。

参数:

  • val: 要求是 string 类型的数据。

示例:

# _: {"a":{"first": [2.2, 1.1], "ff": "[2.2, 1.1]","second":2,"third":"aBC","forth":true},"age":47}
abc = load_json(_)

add_key(abc, abc["a"]["first"][-1])

abc["a"]["first"][-1] = 11

# 需要将堆栈上的数据同步到 point 中
add_key(abc, abc["a"]["first"][-1])

add_key(len_abc, len(abc))

add_key(len_abc, len(load_json(abc["a"]["ff"])))

lowercase()

函数原型:fn lowercase(key: str)

函数说明:将已提取 key 中内容转换成小写

函数参数

  • key: 指定已提取的待转换字段名

示例:

# 待处理数据:{"first": "HeLLo","second":2,"third":"aBC","forth":true}

# 处理脚本
json(_, first) lowercase(first)

# 处理结果
{
    "first": "hello"
}

match()

函数原型:fn match(pattern: str, s: str) bool

函数说明:使用指定的正则表达式匹配字符串,匹配成功返回 true,否则返回 false

参数:

  • pattern: 正则表达式
  • s: 待匹配的字符串

示例:

# 脚本
test_1 = "pattern 1,a"
test_2 = "pattern -1,"

add_key(match_1, match('''\w+\s[,\w]+''', test_1)) 

add_key(match_2, match('''\w+\s[,\w]+''', test_2)) 

# 处理结果
{
    "match_1": true,
    "match_2": false
}

mquery_refer_table()

函数原型:fn mquery_refer_table(table_name: str, keys: list, values: list)

函数说明:通过指定多个 key 查询外部引用表,并将查询结果的首行的所有列追加到 field 中。该函数不适用于中心 Pipeline。

参数:

  • table_name: 待查找的表名
  • keys: 多个列名构成的列表
  • values: 每个列对应的值

示例:

json(_, table)
json(_, key)
json(_, value)

# 查询并追加当前列的数据,默认作为 field 添加到数据中
mquery_refer_table(table, values=[value, false], keys=[key, "col4"])

示例结果:

{
  "col": "ab",
  "col2": 1234,
  "col3": 1235,
  "col4": false,
  "key": "col2",
  "message": "{\"table\": \"table_abc\", \"key\": \"col2\", \"value\": 1234.0}",
  "status": "unknown",
  "table": "table_abc",
  "time": "2022-08-16T16:23:31.940600281+08:00",
  "value": 1234
}

nullif()

函数原型:fn nullif(key, value)

函数说明:若已提取 key 指定的字段内容等于 value 值,则删除此字段

函数参数

  • key: 指定字段
  • value: 目标值

示例:

# 待处理数据:{"first": 1,"second":2,"third":"aBC","forth":true}

# 处理脚本
json(_, first) json(_, second) nullif(first, "1")

# 处理结果
{
    "second":2
}

注:该功能可通过 if/else 语义来实现:

if first == "1" {
    drop_key(first)
}

parse_date()

函数原型:fn parse_date(key: str, yy: str, MM: str, dd: str, hh: str, mm: str, ss: str, ms: str, zone: str)

函数说明:将传入的日期字段各部分的值转化为时间戳

函数参数

  • key: 新插入的字段
  • yy : 年份数字字符串,支持四位或两位数字字符串,为空字符串,则处理时取当前年份
  • MM: 月份字符串,支持数字,英文,英文缩写
  • dd: 日字符串
  • hh: 小时字符串
  • mm: 分钟字符串
  • ss: 秒字符串
  • ms: 毫秒字符串
  • us: 微秒字符串
  • ns: 纳秒字符串
  • zone: 时区字符串,“+8”或\"Asia/Shanghai\"形式

示例:

parse_date(aa, "2021", "May", "12", "10", "10", "34", "", "Asia/Shanghai") # 结果 aa=1620785434000000000

parse_date(aa, "2021", "12", "12", "10", "10", "34", "", "Asia/Shanghai") # 结果 aa=1639275034000000000

parse_date(aa, "2021", "12", "12", "10", "10", "34", "100", "Asia/Shanghai") # 结果 aa=1639275034000000100

parse_date(aa, "20", "February", "12", "10", "10", "34", "", "+8") 结果 aa=1581473434000000000

parse_duration()

函数原型:fn parse_duration(key: str)

函数说明:如果 key 的值是一个 golang 的 duration 字符串(如 123ms),则自动将 key 解析成纳秒为单位的整数

目前 golang 中的 duration 单位如下:

  • ns 纳秒
  • us/µs 微秒
  • ms 毫秒
  • s
  • m 分钟
  • h 小时

函数参数

  • key: 待解析的字段

示例:

# 假定 abc = "3.5s"
parse_duration(abc) # 结果 abc = 3500000000

# 支持负数:abc = "-3.5s"
parse_duration(abc) # 结果 abc = -3500000000

# 支持浮点:abc = "-2.3s"
parse_duration(abc) # 结果 abc = -2300000000

parse_int()

函数原型:fn parse_int(val: int, base: int) str

函数说明:将数值的字符串表示转换为数值。

参数:

  • val: 待转换的字符串
  • base: 进制,范围 0,或 2 到 36;值为 0 时根据字符串前缀判断进制。

示例:

# script0
a = "7665324064912355185"
b = format_int(parse_int(a, 10), 16)
if b != "6a60b39fd95aaf71" {
    add_key(abc, b)
} else {
    add_key(abc, "ok")
}

# result
'''
{
    "abc": "ok"
}
'''

# script1
a = "6a60b39fd95aaf71" 
b = parse_int(a, 16)            # base 16
if b != 7665324064912355185 {
    add_key(abc, b)
} else {
    add_key(abc, "ok")
}

# result
'''
{
    "abc": "ok"
}
'''


# script2
a = "0x6a60b39fd95aaf71" 
b = parse_int(a, 0)            # the true base is implied by the string's 
if b != 7665324064912355185 {
    add_key(abc, b)
} else {
    c = format_int(b, 16)
    if "0x"+c != a {
        add_key(abc, c)
    } else {
        add_key(abc, "ok")
    }
}


# result
'''
{
    "abc": "ok"
}
'''

pt_name()

函数原型:fn pt_name(name: str = "") -> str

函数说明:获取 point 的 name;如果参数不为空则设置新的 name。

函数参数:

  • name: 值作为 point name;默认值为空字符串

Point Name 与各个类型数据存储时的字段映射关系:

类别 字段名
custom_object class
keyevent -
logging source
metric -
network source
object class
profiling source
rum source
security rule
tracing source

query_refer_table()

函数原型:fn query_refer_table(table_name: str, key: str, value)

函数说明:通过指定的 key 查询外部引用表,并将查询结果的首行的所有列追加到 field 中。该函数不适用于中心 Pipeline。

参数:

  • table_name: 待查找的表名
  • key: 列名
  • value: 列对应的值

示例:

# 从输入中提取 表名,列名,列值
json(_, table)
json(_, key)
json(_, value)

# 查询并追加当前列的数据,默认作为 field 添加到数据中
query_refer_table(table, key, value)

示例结果:

{
  "col": "ab",
  "col2": 1234,
  "col3": 123,
  "col4": true,
  "key": "col2",
  "message": "{\"table\": \"table_abc\", \"key\": \"col2\", \"value\": 1234.0}",
  "status": "unknown",
  "table": "table_abc",
  "time": "2022-08-16T15:02:14.158452592+08:00",
  "value": 1234
}

rename()

函数原型:fn rename(new_key, old_key)

函数说明:将已提取的字段重新命名

参数:

  • new_key: 新字段名
  • old_key: 已提取的字段名

示例:

# 把已提取的 abc 字段重新命名为 abc1
rename('abc1', abc)

# or 

rename(abc1, abc)
# 待处理数据:{"info": {"age": 17, "name": "zhangsan", "height": 180}}

# 处理脚本
json(_, info.name, "姓名")

# 处理结果
{
  "message": "{\"info\": {\"age\": 17, \"name\": \"zhangsan\", \"height\": 180}}",
  "zhangsan": {
    "age": 17,
    "height": 180,
    "姓名": "zhangsan"
  }
}

replace()

函数原型:fn replace(key: str, regex: str, replace_str: str)

函数说明:对指定字段上获取的字符串数据按正则进行替换

函数参数

  • key: 待提取字段
  • regex: 正则表达式
  • replace_str: 替换的字符串

示例:

# 电话号码:{"str_abc": "13789123014"}
json(_, str_abc)
replace(str_abc, "(1[0-9]{2})[0-9]{4}([0-9]{4})", "$1****$2")

# 英文名 {"str_abc": "zhang san"}
json(_, str_abc)
replace(str_abc, "([a-z]*) \\w*", "$1 ***")

# 身份证号 {"str_abc": "362201200005302565"}
json(_, str_abc)
replace(str_abc, "([1-9]{4})[0-9]{10}([0-9]{4})", "$1**********$2")

# 中文名 {"str_abc": "小阿卡"}
json(_, str_abc)
replace(str_abc, '([\u4e00-\u9fa5])[\u4e00-\u9fa5]([\u4e00-\u9fa5])', "$1*$2")

sample()

函数原型:fn sample(p)

函数说明:以概率 p 选择采集/丢弃数据。

函数参数:

  • p: sample 函数返回 true 的概率,取值范围为[0, 1]

示例:

# 处理脚本
if !sample(0.3) { # sample(0.3) 表示采样率为 30%,即以 30% 概率返回真,此处将丢弃 70% 的数据
  drop() # 标记该数据丢弃
  exit() # 退出后续处理流程
}

set_measurement()

函数原型:fn set_measurement(name: str, delete_key: bool = false)

函数说明:改变行协议的 name 函数参数:

  • name: 值作为 measurement name,可传入字符串常量或变量
  • delete_key: 如果在 point 中存在与变量同名的 tag 或 field 则删除它

行协议 name 与各个类型数据存储时的字段映射关系或其他用途:

类别 字段名 其他用途
custom_object class -
keyevent - -
logging source -
metric - 指标集名
network source -
object class -
profiling source -
rum source -
security rule -
tracing source -

set_tag()

函数原型:fn set_tag(key, value: str)

函数说明:对指定字段标记为 tag 输出,设置为 tag 后,其他函数仍可对该变量操作。如果被置为 tag 的 key 是已经切割出来的 field,那么它将不会在 field 中出现,这样可以避免切割出来的 field key 跟已有数据上的 tag key 重名

函数参数

  • key: 待标记为 tag 的字段
  • value: 可以为字符串字面量或者变量
# in << {"str": "13789123014"}
set_tag(str)
json(_, str)          # str == "13789123014"
replace(str, "(1[0-9]{2})[0-9]{4}([0-9]{4})", "$1****$2")
# Extracted data(drop: false, cost: 49.248µs):
# {
#   "message": "{\"str\": \"13789123014\", \"str_b\": \"3\"}",
#   "str#": "137****3014"
# }
# * 字符 `#` 仅为 datakit --pl <path> --txt <str> 输出展示时字段为 tag 的标记

# in << {"str_a": "2", "str_b": "3"}
json(_, str_a)
set_tag(str_a, "3")   # str_a == 3
# Extracted data(drop: false, cost: 30.069µs):
# {
#   "message": "{\"str_a\": \"2\", \"str_b\": \"3\"}",
#   "str_a#": "3"
# }


# in << {"str_a": "2", "str_b": "3"}
json(_, str_a)
json(_, str_b)
set_tag(str_a, str_b) # str_a == str_b == "3"
# Extracted data(drop: false, cost: 32.903µs):
# {
#   "message": "{\"str_a\": \"2\", \"str_b\": \"3\"}",
#   "str_a#": "3",
#   "str_b": "3"
# }

sql_cover()

函数原型:fn sql_cover(sql_test: str)

函数说明:脱敏 SQL 语句

# in << {"select abc from def where x > 3 and y < 5"}
sql_cover(_)

# Extracted data(drop: false, cost: 33.279µs):
# {
#   "message": "select abc from def where x > ? and y < ?"
# }

strfmt()

函数原型:fn strfmt(key, fmt: str, args ...: int|float|bool|str|list|map|nil)

函数说明:对已提取 arg1, arg2, ... 指定的字段内容根据 fmt 进行格式化,并把格式化后的内容写入 key 字段中

函数参数

  • key: 指定格式化后数据写入字段名
  • fmt: 格式化字符串模板
  • args:可变参数,可以是多个已提取的待格式化字段名

示例:

# 待处理数据:{"a":{"first":2.3,"second":2,"third":"abc","forth":true},"age":47}

# 处理脚本
json(_, a.second)
json(_, a.thrid)
cast(a.second, "int")
json(_, a.forth)
strfmt(bb, "%v %s %v", a.second, a.thrid, a.forth)

timestamp()

函数原型:fn timestamp(precision: str = "ns") -> int

函数说明:返回当前 Unix 时间戳,默认精度为 ns

函数参数:

  • precision: 时间戳精度,取值范围为 "ns", "us", "ns", "s", 默认值 "ns"。

示例:

# 处理脚本
add_key(time_now_record, timestamp())

datetime(time_now_record, "ns", 
    "%Y-%m-%d %H:%M:%S", "UTC")


# 处理结果
{
  "time_now_record": "2023-03-07 10:41:12"
}
# 处理脚本
add_key(time_now_record, timestamp())

datetime(time_now_record, "ns", 
    "%Y-%m-%d %H:%M:%S", "Asia/Shanghai")


# 处理结果
{
  "time_now_record": "2023-03-07 18:41:49"
}
# 处理脚本
add_key(time_now_record, timestamp("ms"))


# 处理结果
{
  "time_now_record": 1678185980578
}

trim()

函数原型:fn trim(key, cutset: str = "")

函数说明:删除 key 中首尾中指定的字符,cutset 为空字符串时默认删除所有空白符

函数参数:

  • key: 已提取的某字段,字符串类型
  • cutset: 删除 key 中出现在 cutset 字符串的中首尾字符

示例:

# 待处理数据:"trim(key, cutset)"

# 处理脚本
add_key(test_data, "ACCAA_test_DataA_ACBA")
trim(test_data, "ABC_")

# 处理结果
{
  "test_data": "test_Data"
}

uppercase()

函数原型:fn uppercase(key: str)

函数说明:将已提取 key 中内容转换成大写

函数参数

  • key: 指定已提取的待转换字段名,将 key 内容转成大写

示例:

# 待处理数据:{"first": "hello","second":2,"third":"aBC","forth":true}

# 处理脚本
json(_, first) uppercase(first)

# 处理结果
{
   "first": "HELLO"
}

url_decode()

函数原型:fn url_decode(key: str)

函数说明:将已提取 key 中的 URL 解析成明文

参数:

  • key: 已经提取的某个 key

示例:

# 待处理数据:{"url":"http%3a%2f%2fwww.baidu.com%2fs%3fwd%3d%e6%b5%8b%e8%af%95"}

# 处理脚本
json(_, url) url_decode(url)

# 处理结果
{
  "message": "{"url":"http%3a%2f%2fwww.baidu.com%2fs%3fwd%3d%e6%b5%8b%e8%af%95"}",
  "url": "http://www.baidu.com/s?wd=测试"
}

url_parse()

函数原型:fn url_parse(key)

函数说明:解析字段名称为 key 的 url。

函数参数

  • key: 要解析的 url 的字段名称。

示例:

# 待处理数据:{"url": "https://www.baidu.com"}

# 处理脚本
json(_, url)
m = url_parse(url)
add_key(scheme, m["scheme"])

# 处理结果
{
    "url": "https://www.baidu.com",
    "scheme": "https"
}

上述示例从 url 提取了其 scheme,除此以外,还能从 url 提取出 host, port, path, 以及 url 中携带的参数等信息,如下例子所示:

# 待处理数据:{"url": "https://www.google.com/search?q=abc&sclient=gws-wiz"}

# 处理脚本
json(_, url)
m = url_parse(url)
add_key(sclient, m["params"]["sclient"])    # url 中携带的参数被保存在 params 字段下
add_key(h, m["host"])
add_key(path, m["path"])

# 处理结果
{
    "url": "https://www.google.com/search?q=abc&sclient=gws-wiz",
    "h": "www.google.com",
    "path": "/search",
    "sclient": "gws-wiz"
}

use()

函数原型:fn use(name: str)

参数:

  • name: 脚本名,如 abp.p

函数说明:调用其他脚本,可在被调用的脚本访问当前的所有数据 示例:

# 待处理数据:{"ip":"1.2.3.4"}

# 处理脚本 a.p
use(\"b.p\")

# 处理脚本 b.p
json(_, ip)
geoip(ip)

# 执行脚本 a.p 的处理结果
{
  "city"     : "Brisbane",
  "country"  : "AU",
  "ip"       : "1.2.3.4",
  "province" : "Queensland",
  "isp"      : "unknown"
  "message"  : "{\"ip\": \"1.2.3.4\"}",
}

user_agent()

函数原型:fn user_agent(key: str)

函数说明:对指定字段上获取客户端信息

函数参数

  • key: 待提取字段

user_agent() 会生产多个字段,如:

  • os: 操作系统
  • browser: 浏览器

示例:

# 待处理数据
#    {
#        "userAgent" : "Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/36.0.1985.125 Safari/537.36",
#        "second"    : 2,
#        "third"     : "abc",
#        "forth"     : true
#    }

json(_, userAgent) user_agent(userAgent)

valid_json()

函数原型:fn valid_json(val: str) bool

函数说明:判断是否为一个有效的 JSON 字符串。

参数:

  • val: 要求是 string 类型的数据。

示例:

a = "null"
if valid_json(a) { # true
    if load_json(a) == nil {
        add_key("a", "nil")
    }
}

b = "[1, 2, 3]"
if valid_json(b) { # true
    add_key("b", load_json(b))
}

c = "{\"a\": 1}"
if valid_json(c) { # true
    add_key("c", load_json(c))
}

d = "???{\"d\": 1}"
if valid_json(d) { # true
    add_key("d", load_json(c))
} else {
    add_key("d", "invalid json")
}

结果:

{
  "a": "nil",
  "b": "[1,2,3]",
  "c": "{\"a\":1}",
  "d": "invalid json",
}

value_type()

函数原型:fn value_type(val) str

函数说明:获取变量的值的类型,返回值范围 ["int", "float", "bool", "str", "list", "map", ""], 若值为 nil,则返回空字符串

参数:

  • val: 待判断类型的值

示例:

输入:

{"a":{"first": [2.2, 1.1], "ff": "[2.2, 1.1]","second":2,"third":"aBC","forth":true},"age":47}

脚本:

d = load_json(_)

if value_type(d) == "map" && "a" in d  {
    add_key("val_type", value_type(d["a"]))
}

输出:

// Fields
{
  "message": "{\"a\":{\"first\": [2.2, 1.1], \"ff\": \"[2.2, 1.1]\",\"second\":2,\"third\":\"aBC\",\"forth\":true},\"age\":47}",
  "val_type": "map"
}

xml()

函数原型:fn xml(input: str, xpath_expr: str, key_name)

函数说明:通过 xpath 表达式,从 XML 中提取字段。

参数:

  • input: 待提取的 XML
  • xpath_expr: xpath 表达式
  • key_name: 提取后数据写入新 key

示例一:

# 待处理数据
       <entry>
        <fieldx>valuex</fieldx>
        <fieldy>...</fieldy>
        <fieldz>...</fieldz>
        <fieldarray>
            <fielda>element_a_1</fielda>
            <fielda>element_a_2</fielda>
        </fieldarray>
    </entry>

# 处理脚本
xml(_, '/entry/fieldarray//fielda[1]/text()', field_a_1)

# 处理结果
{
  "field_a_1": "element_a_1",  # 提取了 element_a_1
  "message": "\t\t\u003centry\u003e\n        \u003cfieldx\u003evaluex\u003c/fieldx\u003e\n        \u003cfieldy\u003e...\u003c/fieldy\u003e\n        \u003cfieldz\u003e...\u003c/fieldz\u003e\n        \u003cfieldarray\u003e\n            \u003cfielda\u003eelement_a_1\u003c/fielda\u003e\n            \u003cfielda\u003eelement_a_2\u003c/fielda\u003e\n        \u003c/fieldarray\u003e\n    \u003c/entry\u003e",
  "status": "unknown",
  "time": 1655522989104916000
}

示例二:

# 待处理数据
<OrderEvent actionCode = "5">
 <OrderNumber>ORD12345</OrderNumber>
 <VendorNumber>V11111</VendorNumber>
</OrderEvent>

# 处理脚本
xml(_, '/OrderEvent/@actionCode', action_code)
xml(_, '/OrderEvent/OrderNumber/text()', OrderNumber)

# 处理结果
{
  "OrderNumber": "ORD12345",
  "action_code": "5",
  "message": "\u003cOrderEvent actionCode = \"5\"\u003e\n \u003cOrderNumber\u003eORD12345\u003c/OrderNumber\u003e\n \u003cVendorNumber\u003eV11111\u003c/VendorNumber\u003e\n\u003c/OrderEvent\u003e",
  "status": "unknown",
  "time": 1655523193632471000
}

文档评价

文档内容是否对您有帮助? ×