[英]IP Regex without subnet for all sites
作为我公司项目的一部分,我需要从某些网站中提取不包括子网划分的 IP 地址(例如 196.82.1.12/24)。
如果地址包含子网划分,我不想抓住继续进行子网划分但根本不采取它的部分。
例如在以下情况下:
<td>212.179.35.154</td>
<td>200.139.97.126/24</td>
<td>"201.139.97.126"</td>
<td>F5 BIG-IP</td>
<td>unknown</td>
<td class="date">26-Feb-2011</td>
所需的 output 将是:
212.179.35.154
201.139.97.126
请注意,有些行包含围绕 IP 地址的引号,但是由于没有以下 /NUMBER,因此它们是有效的。
我现在正在尝试找到合适的正则表达式,例如:
(<td>(\d+\.){3}\d+<\/td>)
\d{1,3}\.\d{1,3}\.\d{1,3}\.\d{1,3}[^\/]
然而,所有这些似乎都存在缺陷。
提前致谢!
对我来说,它看起来像是负前瞻很有用的任务。 我会做:
import re
txt = '''<td>212.179.35.154</td>
<td>200.139.97.126/24</td>
<td>"201.139.97.126"</td>
<td>F5 BIG-IP</td>
<td>unknown</td>
<td class="date">26-Feb-2011</td>'''
pattern = r"\d{1,3}\.\d{1,3}\.\d{1,3}\.\d{1,3}(?![0-9/])"
found = re.findall(pattern, txt)
print(found)
Output:
['212.179.35.154', '201.139.97.126']
通过使用负前瞻(?![0-9/])
我们说:如果匹配项后面跟着0
或1
或2
或3
或4
或5
或6
或7
或8
或9
或/
,则排除匹配项。 请注意,此处包含数字至关重要,因为如果您仅指定 / 匹配项之一将是:
200.139.97.12
(注意最后少了6
)
您可以通过使用模式语法(?....)
来使用否定的前瞻断言,如下所示:
import re
s = """
<td>212.179.35.154</td>
<td>200.139.97.126/24</td>
<td>"201.139.97.126"</td>
<td>F5 BIG-IP</td>
<td>unknown</td>
<td class="date">26-Feb-2011</td>
"""
pattern = r"\d{1,3}\.\d{1,3}\.\d{1,3}\.\d{1,3}(?!\d*\/)"
print(re.findall(pattern,s))
Output:
['212.179.35.154', '201.139.97.126']
(?!\d*\/)
部分告诉它“如果后面跟着任何数字和正斜杠,则不匹配前一个模式”。
( \d*
部分是因为否则它将匹配200.139.97.12
200.139.97.126/24
没有6
)
小提示:您的原始模式将不仅仅匹配合法的 IP 地址,但我选择了您的方式。
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.