perl 正则表达式量词匹配使意外匹配

Question

我正在努力学习 perl 并尝试在书中练习。我也没有丰富的正则表达式经验。

我正在尝试在文件中查找 IP 地址。我写了一个带有一些 IP“地址”的随机 log.txt 文件，我还没有完全尝试验证，但我正在尝试匹配四组由 '.' 分隔的 1 到 3 位数字。

我的代码获取一个文件名并在该文件中逐行运行，并提取一个 IP 地址的匹配项。

这是我的代码：

#!/usr/bin/perl

print "poop\n";

foreach my $arg(@ARGV) {
        print "$arg\n";
}

print "The file name is: $ARGV[0]\n";
$file = $ARGV[0];
open my $info, $file or die "Could not open $file: $!";

while ( $line =  <$info> )  {
print $line;
  if( $line =~ /(\d{1,3}.\d{1,3}.\d{1,3}.\d{1,3})/ ){

    my $digit = $1;
    print "A match is: $digit \n";
  }
}

close $info;

这是我的日志文件：

a b c d e f g h i j k l m n o p q r s t u v w x y z
1 2 3 4 5 6 7 8 9 0
apple
cat
banana
chariot
zebra
yellow
123.543.98.32
2.2.3.4
1.3.4.55
1.2.3.454
1.1.1.1
22.22.22.22
333.333.333.333
012.345.678.910
012.345.678.91
012.345.678.9
this shouldn't work!!::::
1234.41.123.0

这是我的运行结果：

$ perl stringsTest.pl ./log.txt
poop
./log.txt
The file name is: ./log.txt
a b c d e f g h i j k l m n o p q r s t u v w x y z
1 2 3 4 5 6 7 8 9 0
A match is: 1 2 3 4 
apple
cat
banana
chariot
zebra
yellow
123.543.98.32
A match is: 123.543.98.32 
2.2.3.4
A match is: 2.2.3.4 
1.3.4.55
A match is: 1.3.4.55 
1.2.3.454
A match is: 1.2.3.454 
1.1.1.1
A match is: 1.1.1.1 
22.22.22.22
A match is: 22.22.22.22 
333.333.333.333
A match is: 333.333.333.333 
012.345.678.910
A match is: 012.345.678.910 
012.345.678.91
A match is: 012.345.678.91 
012.345.678.9
A match is: 012.345.678.9 
this shouldn't work!!::::
1234.41.123.0
A match is: 1234.41.123 

最后一场比赛让我感到困惑。

我认为我使用的量词应该将匹配限制为 1 到 3 位数字。我怀疑贪婪是一个嫌疑犯。有人可以向我解释为什么在省略“.0”的同时匹配吗？

1234.41.123.0
A match is: 1234.41.123 

Answer 1

正则表达式中未转义的句点表示“除换行符之外的任何字符”。您需要对其进行转义以匹配输入中的实际文字句点。

  if( $line =~ /(\d{1,3}\.\d{1,3}\.\d{1,3}\.\d{1,3})/ ){...}

那就是poop。

Answer 2

我认为最好的选择是将正则表达式匹配到以“^”开头并以“$”结尾。 “^”操作符表示表达式的开始，而“$”表示表达式的结束。

示例：(\d{1,3})。 \ 将匹配字符串“123”。和“11123”。因为 1 到 3 位数字对于这两种情况都是正确的。

我使用下面的程序列出了有效的 IP 地址。从我的四人名单中。尝试删除 ^ 和 $，您也会看到 4 位数 IP 的奇怪结果。

my $ip1 = "127.0.0.1";
my $ip2 = "1.02.003.1234";
my $ip3 = "127.0.0.10";
my $ip4 = "1267.0.0.1";    
my @ips = ($ip1, $ip2, $ip3, $ip4);

for (@ips) {
    if ($_ =~ /^(\d{1,3})\.(\d{1,3})\.(\d{1,3})\.(\d{1,3})$/){
        print "$_\n";
    }   
}

输出：

127.0.0.1
127.0.0.10

Answer 3

您必须在您的正则表达式周围添加word boundary：

if( $line =~ /\b(\d{1,3}.\d{1,3}.\d{1,3}.\d{1,3})\b/ ){
#      here __^^                      and here __^^

Answer 4

如果你的正则表达式很奇怪，那么你想要的是（除了'你的问题可能不是一个正则表达式的好问题'）：

use re 'debug'; 

这给了你（对于你的最后一个例子，否则它有点太冗长了）：

Compiling REx "(\d{1,3}.\d{1,3}.\d{1,3}.\d{1,3})"
Final program:
   1: OPEN1 (3)
   3:   CURLY {1,3} (6)
   5:     POSIXU[\d] (0)
   6:   REG_ANY (7)
   7:   CURLY {1,3} (10)
   9:     POSIXU[\d] (0)
  10:   REG_ANY (11)
  11:   CURLY {1,3} (14)
  13:     POSIXU[\d] (0)
  14:   REG_ANY (15)
  15:   CURLY {1,3} (18)
  17:     POSIXU[\d] (0)
  18: CLOSE1 (20)
  20: END (0)
stclass POSIXU[\d] minlen 7 
Matching REx "(\d{1,3}.\d{1,3}.\d{1,3}.\d{1,3})" against "1234.41.123.0"
Matching stclass POSIXU[\d] against "1234.41" (7 bytes)
   0 <> <1234.41.12>         |  1:OPEN1(3)
   0 <> <1234.41.12>         |  3:CURLY {1,3}(6)
                                  POSIXU[\d] can match 3 times out of 3...
   3 <123> <4.41.123.0>      |  6:  REG_ANY(7)
   4 <1234> <.41.123.0>      |  7:  CURLY {1,3}(10)
                                    POSIXU[\d] can match 0 times out of 3...
                                    failed...
   2 <12> <34.41.123.>       |  6:  REG_ANY(7)
   3 <123> <4.41.123.0>      |  7:  CURLY {1,3}(10)
                                    POSIXU[\d] can match 1 times out of 3...
   4 <1234> <.41.123.0>      | 10:    REG_ANY(11)
   5 <1234.> <41.123.0>      | 11:    CURLY {1,3}(14)
                                      POSIXU[\d] can match 2 times out of 3...
   7 <234.41> <.123.0>       | 14:      REG_ANY(15)
   8 <234.41.> <123.0>       | 15:      CURLY {1,3}(18)
                                        POSIXU[\d] can match 3 times out of 3...
  11 <234.41.123> <.0>       | 18:        CLOSE1(20)
  11 <234.41.123> <.0>       | 20:        END(0)
Match successful!
poop
1234.41.123.0A match is: 1234.41.123 
Freeing REx: "(\d{1,3}.\d{1,3}.\d{1,3}.\d{1,3})"

如您所见 - 问题是第 6 行 - “REG_ANY”。

情况比你想象的要糟糕，因为你的正则表达式实际上是匹配的：

1234.41.123 

无论如何忽略尾随的.0。但是你也没有锚定你的模式 - 所以如果你确实逃脱了.：

/(\d{1,3}\.\d{1,3}\.\d{1,3}\.\d{1,3})/

编译为：

Final program:
   1: OPEN1 (3)
   3:   CURLY {1,3} (6)
   5:     POSIXU[\d] (0)
   6:   EXACT <.> (8)
   8:   CURLY {1,3} (11)
  10:     POSIXU[\d] (0)
  11:   EXACT <.> (13)
  13:   CURLY {1,3} (16)
  15:     POSIXU[\d] (0)
  16:   EXACT <.> (18)
  18:   CURLY {1,3} (21)
  20:     POSIXU[\d] (0)
  21: CLOSE1 (23)
  23: END (0)

靠近一点，但因为我们没有任何锚点，所以允许匹配；

234.41.123.0 

您可能希望在正则表达式（行的开始/结束锚点）或单词边界锚点 (\b) 中包含 ^ 和 $。