我该如何修复这个正则表达式？ (nmap 结果)答案

【问题标题】：How can I fix this regex? (nmap results)我该如何修复这个正则表达式？ (nmap 结果)
【发布时间】：2017-07-10 00:28:43
【问题描述】：

我正在尝试将文本解析为 4 个捕获组，但我遇到了问题。

我的正则表达式是：

(\d{1,5})\/(tcp|udp)\s+open\s+(\S+)\s*(.*)?

一些示例输入是：

Nmap scan report for X
Host is up (0.097s latency).
Not shown: 192 closed ports
PORT     STATE         SERVICE       VERSION
135/udp  open          msrpc
137/udp  open          netbios-ns    Microsoft Windows XP netbios-ssn (workgroup: THINC)
135/tcp open  msrpc        Microsoft Windows RPC
139/tcp open  netbios-ssn  Microsoft Windows netbios-ssn
445/tcp open  microsoft-ds Windows XP microsoft-ds

这几乎可以完美运行。问题在于 135/udp 行，没有版本字段，所以我的捕获组 4 为该行环绕并抓取整个下一行（从 137/udp 开始）。

我希望捕获组 4 对于 135/udp 的行为空/null（或版本字段为空白的任何地方）。

我的最后一个.* 似乎不应该越过行终止符，但确实如此。我还在最后一个捕获组之后包含了?，以尝试使其成为可选，例如允许空值。

谁能指出我做错了什么？解释我的错误比仅仅为我提供一个有效的正则表达式会更有帮助。

Visual representation

【问题讨论】：

你使用的是什么正则表达式引擎？
Python 的 re 库。然而，这个问题也适用于 regex101.com 上的解析器，所以我认为这是我的表达而不是实现缺陷。
@BenF：这与“实施缺陷”无关，而是不同的引擎以不同的方式实现正则表达式。例如，JavaScript 没有后视，非魔法 Vim 需要转义 + 而不是 *，Ruby 有递归模式，Perl 有一堆黑魔法......甚至在 regex 标签中：“自从正则表达式还没有完全标准化，所有带有这个标签的问题还应该包含一个标签，指定适用的编程语言或工具。”

标签： python regex capture-group

【解决方案1】：

\s 似乎正在匹配换行符。这对我来说是出乎意料的 - 我本来希望 \s 只匹配空格。

尝试仅匹配制表符和空格： [ \t] 而不是 \s。

并且要求更高 - 意味着设置+ 所期望的空格和非空格，而不是*：

(\d{1,5})\/(tcp|udp)[ \t]+open[ \t]+(\S+)[ \t]+(.*)

(\S+) 是在 open 和空格之后预期的一个条目。但是因为我们只对之后继续的那些行感兴趣： [ \t]+ 要求在该条目之后有空格（不包括在那里结束的行）-(.*) 捕获空格之后的所有内容。

【讨论】：

谢谢！ (\d{1,5})\/(tcp|udp)\s+open\s+(\S+)[ \t]*(.*)? 和 (\d{1,5})\/(tcp|udp)[ \t]+open[ \t]+(\S+)[ \t]*(.*)? 一样工作
已投票，但我还没有足够的声誉来展示它。
我以为您想排除在“msrpc”之后结束的行。为此，您需要最后带有(\S+)[ \t]+(.*) 的版本。
不用担心，很高兴能帮上忙 :)
不过，我相信您应该能够接受答案。您可能需要稍等片刻。

【解决方案2】：

正如 bytepusher 所指出的，我有一个匹配换行符的 \s。我用空格或制表符 [\t] 的显式匹配替换了 \s，如下所示：

(\d{1,5})\/(tcp|udp)\s+open\s+(\S+)[ \t]*(.*)?

最正确的是，我用预期的间距字符的显式匹配替换了所有 /s 实例：

(\d{1,5})\/(tcp|udp)[ \t]+open[ \t]+(\S+)[ \t]*(.*)?

【讨论】：

我认为您可以进一步简单地将正则表达式作为 iirc，大多数 unix/linux 命令通过 \t 分隔字段
我很确定在 Python 中不需要转义 PORT 列值中的斜杠。模式末尾的 ? 也不是必需的，因为最后一个捕获组接受零个或多个字符。 Demo 否则，您可以在不影响准确性的情况下尽可能地使用这种模式。