将 POSIX 正则表达式移植到 Lua 模式 - 意外结果答案

【问题标题】：Porting POSIX regex to Lua pattern - unexpected results将 POSIX 正则表达式移植到 Lua 模式 - 意外结果
【发布时间】：2015-12-29 09:11:19
【问题描述】：

我很难将 POSIX 正则表达式移植到 Lua 字符串模式。

我正在处理我想从中过滤复选框的 html 响应被检查。特别是我对value 和name 的字段感兴趣每个选中的复选框：

以下是我感兴趣的复选框示例：

<input class="rid-2 form-checkbox" id="edit-2-access-comments" name="2[access comments]" value="access comments" checked="checked" type="checkbox">

<input class="rid-3 form-checkbox real-checkbox" id="edit-3-administer-comments" name="3[administer comments]" value="administer comments" checked="checked" type="checkbox">

相反，我对此不感兴趣（未选中复选框）：

<input class="rid-2 form-checkbox" id="edit-2-access-printer-friendly-version" name="2[access printer-friendly version]" value="access printer-friendly version" type="checkbox">

使用 POSIX 正则表达式，我在 Python 中使用了以下模式：pattern=r'name="(.*)" value="(.*)" checked="checked"'，它就可以正常工作。

我在 Lua 中的第一个方法是简单地使用这个：pattern ='name="(.-)" value="(.-)" checked="checked"' 但它给出了奇怪的结果（第一次捕获正如预期的那样，但第二个返回了很多不需要的 html）。

我也尝试过以下模式： pattern = 'name="(%d?%[.-%])" value="(.-)"%s?(c?).-="?c.-"%s?type="checkbox"'

这一次，value 的第二次捕获内容被返回，但所有匹配的复选框（不仅是带有checked="checked" 字段的复选框）

为了完整起见，这里是 Lua 代码（来自我的 Nmap NSE 脚本的 sn-p）尝试进行这种模式匹配：

  pattern = 'name="(.-)" value="(.-)" checked="checked"' 
  data = {}
  for name, value in string.gmatch(res.body, pattern) do
    stdnse.debug(1, string.format("%s %s", name, value))
  end

【问题讨论】：

pattern = 'name="([^"]*)" value="([^"]*)" checked="checked"'
感谢 Egor，它现在可以完美运行了。

标签： lua lua-patterns

【解决方案1】：

（根据 cmets 更新）当没有 checked="checked" 的行位于输入中带有 checked="checked" 的行之前时，该模式不起作用，因为 .- 表达式捕获了不必要的部分。有几种方法可以避免这种情况； @EgorSkriptunoff 建议的一种方法是使用 ([^"]*) 作为模式；另一个是排除新行([^\r\n]-)。以下示例打印出您所期望的内容：

local s = [[
<input class="rid-2 form-checkbox" id="edit-2-access-comments" name="2[access comments]" value="access comments" checked="checked" type="checkbox">
<input class="rid-2 form-checkbox" id="edit-2-access-printer-friendly-version" name="2[access printer-friendly version]" value="access printer-friendly version" type="checkbox">
<input class="rid-3 form-checkbox real-checkbox" id="edit-3-administer-comments" name="3[administer comments]" value="administer comments" checked="checked" type="checkbox">
]]
local pattern = 'name="([^\r\n]-)" value="([^\r\n]-)" checked="checked"' 
for name, value in string.gmatch(s, pattern) do
  print(name, value)
end

输出：

2[access comments]  access comments
3[administer comments]  administer comments

【讨论】：

如果第一项未选中（没有checked="checked"）并且第二项被选中，您将看到问题。
对；那么正如@EgorSkriptunoff 之前建议的那样，需要在模式中禁止新行或引号。

【解决方案2】：

我在 Python 中使用了以下模式：pattern=r'name="(.*)" value="(.*)" checked="checked"' 并且它确实有效。

Python re 不符合 POSIX，. 匹配除换行符之外的任何字符（在 POSIX 和 Lua 中，. 匹配任何字符，包括换行符）。

如果你想匹配一个有3个属性的字符串一个接一个，你应该使用类似

local pattern = 'name="([^"]*)"%s+value="([^"]*)"%s+checked="checked"'

为什么不[^\r\n]-？因为如果一行上有两个标签，第一个具有第一个和/或第二个属性，第二个具有第二个和第三个或只有第二个（即使第三个标签具有第三个属性，而第一个包含前两个属性），就会有匹配，因为 [^\r\n] 匹配 < 和 > 并且可以跨标签“过火”。

请注意，[^"]* 是一个否定的括号表达式，它只会匹配除 " 之外的 0+ 个字符，因此将匹配限制在一个标签内。

见Lua demo:

local rx = 'name="([^"]*)"%s+value="([^"]*)"%s+checked="checked"'
local s = '<li name="n1"\nvalue="v1"><li name="n2"\nvalue="v1" checked="checked"><li name="n3"\nvalue="v3"   checked="checked">'
for name, value in string.gmatch(s, rx) do
  print(name, value)
end

输出：

n2  v1
n3  v3

【讨论】：