正則表達式只捕獲第二occurence

Question

嗨即時通訊使用這個正則表達式：

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

在這樣的文字：

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

和正則表達式只捕獲

nano /etc/d× ־.P־.®Z[_§.. 

我想只捕捉命令cd /opt/blabla和nano /etc/d 爲什麼正則表達式不捕捉cd /opt/blabla？

編輯： 我想首先把所有非ASCII字符空格現在的文字是這樣的：

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

每條命令空間結束，所以我改變了正則表達式：

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

但是它仍然只捕獲沒有cd的nano命令。

Answer 1

對於這個特定使用情況下，具有非ASCII字符，以下正則表達式將捕獲完整的命令：

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

Ubuntu的命令提示從命令由#符號分離。 我們以[^#]而不是.*開頭的原因是因爲.*太貪婪：它會消耗#的所有實例，除了最後一個。所以我們必須明確告訴正則表達式首先不要匹配任何#字符。

上面的正則表達式會捕獲命令名和任意數量的ASCII參數，因此您應該將它用於原始版本的代碼（不要用空格替換所有非ASCII字符）。下面是輸出：

cd /opt/blabla/ 
nano /etc/d 

也有可能，有一個稍微複雜的正則表達式，解析UNIX命令和命令提示，當他們只用空格隔開。你會刪除非ASCII字符和修剪過度的空白之後，您就會有一個看起來像這樣的一行：

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

然後你可以使用向前斷言只匹配命令及其參數：

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

最後，所有的最複雜的，如果你有不一致的行，其中一些命令是由空格隔開，並通過非ASCII字符別人，你可以這樣做：

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

第一部分[^\x64 ]+@[^#]+#涵蓋了Ubuntu提示符。然後有任意的空格\s*，那麼該組匹配儘可能多的ASCII字符，而不會遇到任何非ASCII字符，行尾或另一個UNIX提示符。這意味着它也將針對多個參數，如mv或cp

Answer 2

你的比賽是過於貪婪嘗試this：

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

爲什麼試圖在比賽前得到字符的最小量。這假設在＃之後有兩個「單詞」被一個空格分開，以空格結束。

如果您的文本包含CR字符以分離出命令，因爲無法確定您正在查找的命令和參數的準確率達到100％，而無需清理數據，因爲無法確定「隊伍的盡頭」。

Answer 3

在蟒蛇3.5

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'>] 

您可以通過.group(0)

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'