正则表达式仅捕获第二次出现

Question

您好，我使用此正则表达式模式：

.*@.*\:.*#\s(.*) 

在此文本上：

t@ubuntu:/opt/test# cd /opt/blabla/¢ ־.P־.®Z[P§..P.#ְ״toot@bubuntu:/opt/testo# nano /etc/d× ־.P־.®Z[_§..

正则表达式只捕获

nano /etc/d× ־.P־.®Z[_§..

我试图仅捕获命令cd /opt/blabla和nano /etc/d为什么正则表达式不捕获cd /opt/blabla ？

编辑：我试图首先将所有非ascii字符转换为空格，现在文本看起来像：

't@ubuntu:/opt/volatility# cd /opt/Kazaar/     .P  .     Z[P  ..P.#    root@ubuntu:/opt/Kazaar# nano /etc/d     .P  .     Z[_  ..'

每个以空格结尾的命令，因此我将正则表达式更改为：

""".*@.*\:.*#\s(.*)\s"""

但是它仍然只捕获不带cd的nano命令。

Answer 1

您的比赛太贪婪了，试试这个 ：

/.*?@.*?\:.*?#\s(.*? .*?) /

为什么要尝试在比赛前获得最少的字符数。 假定＃后面有两个“单词”，以空格隔开。

如果您的文本包含CR字符以分隔出命令会更好，因为无法在不对数据进行消毒的情况下以100％的准确度确定您要查找的命令和参数，因为无法确定“末尾”。线”。

Answer 2

对于此特殊用例，使用非ASCII字符，以下正则表达式将捕获完整命令：

[^#]*#\s([\x00-\x7F]*)

Ubuntu命令提示符与命令用#符号分隔。 我们以[^#]而不是.*开头的原因是因为.*太贪心：它将消耗#所有实例（最后一个除外）。 因此，我们必须首先明确告诉正则表达式不匹配任何#字符。

上面的正则表达式将捕获命令名称和任意数量的ASCII参数，因此您应将其用于代码的原始版本（不要用空格替换所有非ASCII字符）。 这是输出：

cd /opt/blabla/
nano /etc/d

当它们之间仅由空格分隔时，也可以使用稍微复杂一些的正则表达式来解析UNIX命令和命令提示符。 因此，在删除了非ASCII字符并修剪了所有多余的空格之后，您将获得如下所示的一行：

t@ubuntu:/opt/test# cd /opt/blabla/ toot@bubuntu:/opt/testo# nano /etc/d

然后，您可以使用先行断言来仅匹配命令及其参数：

[^\x64 ]+@[^#]+#\s*(.+?(?=\s+[^\x64 ]+@|\s*$))

最后，也是最复杂的一点，如果您有一条不一致的行，其中某些命令由空格分隔，而其他命令则由非ASCII字符分隔，则可以使用以下命令：

[^\x64 ]+@[^#]+#\s*([\x00-\x7F]+(?=[^\x00-\x7F]+|\s+[^\x64 ]+@|\s*$))

第一部分[^\\x64 ]+@[^#]+#涵盖了Ubuntu提示符。 然后是一个任意的空格\\s* ，然后该组将尽可能多地匹配ASCII字符，而不会遇到任何非ASCII字符，行尾或其他UNIX提示符。 这意味着它也适用于带有多个参数的UNIX命令，例如mv或cp

Answer 3

在python 3.5中

In [1]: import re

In [2]: string = 't@ubuntu:/opt/test# cd /opt/blabla/¢ ־.P־.®Z[P§..P.#ְ״toot@bubuntu:/opt/testo# nano /etc/d× ־.P־.®Z[_§..'

In [3]: pattern = '\w+\ (\/\w+)+'

In [4]: list(re.finditer(pattern,string))
Out[4]: 
[<_sre.SRE_Match object; span=(20, 34), match='cd /opt/blabla'>,
<_sre.SRE_Match object; span=(80, 91), match='nano /etc/d'>]

您可以通过.group(0)访问匹配项

In [5]: list(re.finditer(pattern,string))[0].group(0)
Out[5]: 'cd /opt/blabla'

In [6]: list(re.finditer(pattern,string))[1].group(0)
Out[6]: 'nano /etc/d'