正则表达式只捕获第二occurence

Question

嗨即时通讯使用这个正则表达式：

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

在这样的文字：

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

和正则表达式只捕获

nano /etc/d× ־.P־.®Z[_§.. 

我想只捕捉命令cd /opt/blabla和nano /etc/d 为什么正则表达式不捕捉cd /opt/blabla？

编辑： 我想首先把所有非ASCII字符空格现在的文字是这样的：

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

每条命令空间结束，所以我改变了正则表达式：

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

但是它仍然只捕获没有cd的nano命令。

Answer 1

对于这个特定使用情况下，具有非ASCII字符，以下正则表达式将捕获完整的命令：

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

Ubuntu的命令提示从命令由#符号分离。 我们以[^#]而不是.*开头的原因是因为.*太贪婪：它会消耗#的所有实例，除了最后一个。所以我们必须明确告诉正则表达式首先不要匹配任何#字符。

上面的正则表达式会捕获命令名和任意数量的ASCII参数，因此您应该将它用于原始版本的代码（不要用空格替换所有非ASCII字符）。下面是输出：

cd /opt/blabla/ 
nano /etc/d 

也有可能，有一个稍微复杂的正则表达式，解析UNIX命令和命令提示，当他们只用空格隔开。你会删除非ASCII字符和修剪过度的空白之后，您就会有一个看起来像这样的一行：

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

然后你可以使用向前断言只匹配命令及其参数：

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

最后，所有的最复杂的，如果你有不一致的行，其中一些命令是由空格隔开，并通过非ASCII字符别人，你可以这样做：

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

第一部分[^\x64 ]+@[^#]+#涵盖了Ubuntu提示符。然后有任意的空格\s*，那么该组匹配尽可能多的ASCII字符，而不会遇到任何非ASCII字符，行尾或另一个UNIX提示符。这意味着它也将针对多个参数，如mv或cp

Answer 2

你的比赛是过于贪婪尝试this：

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

为什么试图在比赛前得到字符的最小量。这假设在＃之后有两个“单词”被一个空格分开，以空格结束。

如果您的文本包含CR字符以分离出命令，因为无法确定您正在查找的命令和参数的准确率达到100％，而无需清理数据，因为无法确定“队伍的尽头”。

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'>] 

您可以通过.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'