Perl正则表达式

一、介绍

　　正则表达式各语言都有自己的规范，但是基本都差不多，都是由元字符的组合来进行匹配；由于Nmap内嵌的服务与版本探测是使用的Perl正则规范，因此此篇博客记录一下Perl正则的相关内容，方便后期查阅。

二、Perl正则例子

下面的例子可能有不足之处，有些来源于博客，没有验证；1. 匹配IP地址：\d+\.\d+\.\d+\.\d+
               \d:匹配一个数字字符,\d+:匹配一次或多次数字字符。
               \.:使用转义字符匹配‘.‘。

2. 匹配邮箱类似于[email protected]：/^[a-zA-Z0-9_\-.][email protected][a-zA-Z0-9_\-]+.[a-zA-Z]+$/　　　　　　　　^: 匹配开头　　　　　　　　$: 匹配结尾，这两个保证了这是连续的一串字符。3. 匹配数字：m/^[0-9]+$/　　　　　　　由^开头由$结尾保证了只含有数字，如果只有结尾$,那么abc12这种也是可以的。　　　　　　　可用在输入校验，校验输入的是否是数字。4. 用户输入温度（华氏温度，摄氏温度），编程进行转换　　　　m/^([-+]?[0-9]+)([CF])$/：匹配正负整数温度。　　　　　　　　[CF]: 匹配中括号其中的一个　　　　　　　　?：匹配前面的子表达式0次或1次　　　　　　　　+：匹配前面的子表达式一次或多次　　　　　　　　perl通过临时变量$1,$2保存子表达式匹配的文本。$1保存的是数字，$2保存的是符号。　　　　m/^([-+]?[0-9]+(?:\.[0-9]*)?)\s*([CF])$/i)：添加支持小数的温度匹配　　　　　　　　临时变量保存的顺序与分组的开括号 ( 在表达式中的顺序有关(从左到右）；因此这个地方使用?:，代表该括号匹配的值不被临时变量保存。　　　　　　　　/i: 代表忽略大小写匹配，cf也匹配。　　　　参考地址：https://segmentfault.com/a/1190000004375773　　　　　　　　　精通正则表达式（第三版）　　　5. 匹配空白行　　^$  : 开头之后马上结束：空白行，不包括任何字符　　\n\s*\r：　　　　 \n匹配一个换行符，等价于\x0a　　　　 \s匹配任何空白字符，包括空格制表换页　　　　 \r匹配一个回车符，等价于\x0d6. 匹配首尾空白字符：^\s*|\s*$7. 匹配版本号1.3.0等　　[\d.]+8. 匹配某个字符以外的所有字符：　　[^a]* 表示匹配除a以外的所有字符，*代表0次或多次。　　[^abc]* 表示匹配除a、b、c以外的所有字符。　　((?!win).)* 表示匹配除单词win的其它所有字符　　Windows (?!95|98|NT|2000)‘ 能匹配 "Windows 3.1" 中的 "Windows"，但不能匹配
　　　　　　　　　　"Windows 2000" 中的 "Windows"。

9. 匹配下面的内容：　　1）： {"service":"nutcracker", "source":"ubuntu", "version":"0.3.0",　     　m|^\{"service":"nutcracker", "source":"([^"]+)", "version":"([\d.]+)",|　　2）：220 yzwb.net ESMTP MDaemon 10.1.2; 　　　　 m|^220[ -]([-.\w]+) ESMTP MDaemon (\d[-.\w]+);　　3）：AMQP\x01\x01\x00\n　　　　 m|^AMQP\x01\x01\x00\x0a$|:注意回车键\n对应16进制\x0a,\r对应\x0d.　　Nmap nmap-services-probe文件给出的匹配

三、正则元字符

字符　　　描述
\  　　　将下一个字符标记为一个特殊字符、或一个原义字符、或一个 后向引用、或一个八进制转义符。例如，‘n‘
　　　　      匹配字符 "n"。‘\n‘ 匹配一个换行符。序列 ‘\\‘ 匹配 "\" 而 "\(" 则匹配 "("。
^     　匹配输入字符串的开始位置。如果设置了 RegExp 对象的 Multiline 属性，^ 也匹配 ‘\n‘ 或 ‘\r‘ 之后的位置。
$     　匹配输入字符串的结束位置。如果设置了RegExp 对象的 Multiline 属性，$ 也匹配 ‘\n‘ 或 ‘\r‘ 之前的位置。
*    　 匹配前面的子表达式零次或多次。例如，zo* 能匹配 "z" 以及 "zoo"。 * 等价于{0,}。
+    　 匹配前面的子表达式一次或多次。例如，‘zo+‘ 能匹配 "zo" 以及 "zoo"，但不能匹配 "z"。+ 等价于 {1,}。
?     　匹配前面的子表达式零次或一次。例如，"do(es)?" 可以匹配 "do" 或 "does" 中的"do" 。? 等价于 {0,1}。
{n}　　　n 是一个非负整数。匹配确定的 n 次。例如，‘o{2}‘ 不能匹配 "Bob" 中的 ‘o‘，但是能匹配 "food" 中的两个 o。
{n,}    n 是一个非负整数。至少匹配n 次。例如，‘o{2,}‘ 不能匹配 "Bob" 中的 ‘o‘，但能匹配 "foooood" 中的所有 o。‘o{1,}‘ 等价于 ‘o+‘。‘o{0,}‘ 则等价于 ‘o*‘。
{n,m}   m 和 n 均为非负整数，其中n <= m。最少匹配 n 次且最多匹配 m 次。刘， "o{1,3}" 将匹配 "fooooood" 中的前三个 o。‘o{0,1}‘ 等价于 ‘o?‘。请注意在逗号和两个数之间不能有空格。
?     　当该字符紧跟在任何一个其他限制符 (*, +, ?, {n}, {n,}, {n,m}) 后面时，匹配模式是非贪婪的。　　　　    非贪婪模式尽可能少的匹配所搜索的字符串，而默认的贪婪模式则尽可能多的匹配所搜索的字符串。　　　　    例如，对于字符串 "oooo"，‘o+?‘ 将匹配单个 "o"，而 ‘o+‘ 将匹配所有 ‘o‘。
.      匹配除 "\n" 之外的任何单个字符。要匹配包括 ‘\n‘ 在内的任何字符，请使用象 ‘[.\n]‘ 的模式。(pattern)     匹配pattern 并获取这一匹配。所获取的匹配可以从产生的 Matches 集合得到，在VBScript 中使
      　　　　　　 用 SubMatches 集合，在Visual Basic Scripting Edition 中则使用 $0…$9 属性。要匹配圆括号字符，请使用 ‘\(‘ 或 ‘\)‘。
(?:pattern)   匹配 pattern 但不获取匹配结果，也就是说这是一个非获取匹配，不进行存储供以后使用。这在
　　　　　　　　　　使用 "或" 字符 (|) 来组合一个模式的各个部分是很有用。例如， ‘industr(?:y|ies) 就是一个比 ‘industry|
　　　　　　　　　　industries‘ 更简略的表达式。
(?=pattern)   正向预查，在任何匹配 pattern 的字符串开始处匹配查找字符串。这是一个非获取匹配，也就是
　　　　　　　　　　说，该匹配不需要获取供以后使用。例如， ‘Windows (?=95|98|NT|2000)‘ 能匹配 "Windows 2000" 中的
　　　　　　　　　　"Windows" ，但不能匹配 "Windows 3.1" 中的 "Windows"。预查不消耗字符，也就是说，在一个匹配发生后，在最
　　　　　　　　　　　　后一次匹配之后立即开始下一次匹配的搜索，而不是从包含预查的字符之后开始。
(?!pattern)   负向预查，在任何不匹配Negative lookahead matches the search string at any point where
　　　　　　　　　　a string not matching pattern 的字符串开始处匹配查找字符串。这是一个非获取匹配，也就是说，该匹配不需要
　　　　　　　　　　获取供以后使用。例如‘Windows (?!95|98|NT|2000)‘ 能匹配 "Windows 3.1" 中的 "Windows"，但不能匹配
　　　　　　　　　　"Windows 2000" 中的 "Windows"。预查不消耗字符，也就是说，在一个匹配发生后，在最后一次匹配之后立即开始
　　　　　　　　　　下一次匹配的搜索，而不是从包含预查的字符之后开始。
 x|y    　　匹配 x 或 y。例如，‘z|food‘ 能匹配 "z" 或 "food"。‘(z|f)ood‘ 则匹配 "zood" 或 "food"。
[xyz]      字符集合。匹配所包含的任意一个字符。例如， ‘[abc]‘ 可以匹配 "plain" 中的 ‘a‘。
[^xyz]     负值字符集合。匹配未包含的任意字符。例如， ‘[^abc]‘ 可以匹配 "plain" 中的‘p‘。
[a-z]      字符范围。匹配指定范围内的任意字符。例如，‘[a-z]‘ 可以匹配 ‘a‘ 到 ‘z‘ 范围内的任意小写字母字符
[^a-z]     负值字符范围。匹配任何不在指定范围内的任意字符。例如，‘[^a-z]‘ 可以匹配任何不在 ‘a‘ 到 ‘z‘ 范
　　　　　　　　围内的任意字符。
\b       匹配一个单词边界，也就是指单词和空格间的位置。例如， ‘er\b‘ 可以匹配"never" 中的 ‘er‘，但不能
　　　　　　　匹配 "verb" 中的 ‘er‘。
\B      匹配非单词边界。‘er\B‘ 能匹配 "verb" 中的 ‘er‘，但不能匹配 "never" 中的 ‘er‘。
\cx     匹配由x指明的控制字符。例如， \cM 匹配一个 Control-M 或回车符。 x 的值必须为 A-Z 或 a-z 之一。
　　　　　　否则，将 c 视为一个原义的 ‘c‘ 字符。
\d     匹配一个数字字符。等价于 [0-9]。
\D     匹配一个非数字字符。等价于 [^0-9]。
\f     匹配一个换页符。等价于 \x0c 和 \cL。
\n     匹配一个换行符。等价于 \x0a 和 \cJ。
\r     匹配一个回车符。等价于 \x0d 和 \cM。
\s     匹配任何空白字符，包括空格、制表符、换页符等等。等价于 [ \f\n\r\t\v]。
\S     匹配任何非空白字符。等价于 [^ \f\n\r\t\v]。
\t     匹配一个制表符。等价于 \x09 和 \cI。
\v     匹配一个垂直制表符。等价于 \x0b 和 \cK。
\w     匹配包括下划线的任何单词字符。等价于‘[A-Za-z0-9_]‘。
\W     匹配任何非单词字符。等价于 ‘[^A-Za-z0-9_]‘。
\xn    匹配 n，其中 n 为十六进制转义值。十六进制转义值必须为确定的两个数字长。例如， ‘\x41‘ 匹配 "A"。
　　　   　‘\x041‘ 则等价于 ‘\x04‘ & "1"。正则表达式中可以使用 ASCII 编码。
\num   匹配 num，其中 num 是一个正整数。对所获取的匹配的引用。例如，‘(.)\1‘ 匹配两个连续的相同字符。
\n     标识一个八进制转义值或一个后向引用。如果 \n 之前至少 n 个获取的子表达式，则 n 为后向引用。否则
　　　　，如果 n 为八进制数字 (0-7)，则 n 为一个八进制转义值。
\nm     标识一个八进制转义值或一个后向引用。如果 \nm 之前至少有is preceded by at least nm 个获取得子表
　　　　  达式，则 nm 为后向引用。如果 \nm 之前至少有 n 个获取，则 n 为一个后跟文字 m 的后向引用。如果前面的条件
　　　　　　都不满足，若  n 和 m 均为八进制数字 (0-7)，则 \nm 将匹配八进制转义值 nm。
\nml     如果 n 为八进制数字 (0-3)，且 m 和 l 均为八进制数字 (0-7)，则匹配八进制转义值 nml。
\un     匹配 n，其中 n 是一个用四个十六进制数字表示的 Unicode 字符。例如， \u00A9 匹配版权符号 (?)。

四、总结

　　1）不同的场景、不同的语言，正则会有些许差别，只要掌握住基本的元字符以及相应的语言特性，真正用的时候花10几分钟时间熟悉一两个例子就能上手。

　　2）Perl正则是目前最优的，包括特性，建议读者学一学，这对处理数据有很大的好处。

　　3）在我理解，我们如果只是想达到我们抽取数据的目的，正则匹配的原理没有必要搞懂，会用就行。