仅匹配单词（有时用点分隔）正则表达式

Posted 2023-03-23

【中文标题】仅匹配单词（有时用点分隔）正则表达式

【英文标题】：Match only words (sometimes with dots seperating) regex

【发布时间】：2021-10-20 08:14:20

【问题描述】：

我有一个这样的列表：

example.com=120.0.0.0
ben.example.com=120.0.0.0
+ben.example=120.0.0.0
+ben.example.com.np=120.0.0.0
ben=120.0.0.0
ben-example.com=120.0.0.0
ben43.example.com=120.0.0.0

我只需要找到单词（用点分隔）。 没有 ips，=, + 等等。 有些 FQDN 有多个点，有些根本没有，等等。

这可能吗？

如果脚本在我运行正则表达式时运行良好，我只想得到这些：

ben.example.com.np
ben.example
ben.example.com
example.com
ben
ben43.example.com

我想通过 python regex 将文件解析为 ips 和 FQDNS，以便我可以使用它并检查 ips 是否可用于域。

【参考方案1】：

这很简单

import re
fqdns = re.findall(r"[a-zA-Z\.-]2,", text, flags=re.M)

给予

['example.com', 'ben.example.com', 'ben.example', 'ben-example.com.np', 'ben']

regex101 example here

该组匹配a-z 和A-Z 范围内的所有字符，以及点. 和-。 2, 表示连续匹配至少 2 个字符，因此不会匹配 IP 中的点。

---

编辑：在我写完这个答案后，问题的参数略有变化，因为一些 URL 包含数字。因此，不要使用re.findall() 来获取（可能是多行）输入中的所有匹配项，而应该使用re.match().group() 并稍微改变正则表达式并逐行处理输入：

import re

with open("path/to/file", "r") as f:
    fqdns = [re.match(r"(?:[a-zA-Z\.\-0-9]2,)", line).group() for line in f]

re.match()，在没有任何标志的情况下，在该行的第一个匹配之后返回。 .group() 是您访问匹配字符串的方式。

【讨论】：

嘿，我忘了提。有些人之间也有 - （更新问题。）通过添加以下内容来修复它：[a-zA-Z\.\-]2,

我刚刚检查过，显然文件中的 2 条记录也有数字。也可以解析吗？看起来有点像：ben.example43.com

@benshalev 如果你正在逐行处理你的文件，这应该工作：re.match(r"(?:[a-zA-Z\.\-0-9]2,)", text).group()。 re.findall() 在这种情况下不起作用，因为正则表达式也会识别 IP。 re.match() 这里只会返回该行中的第一个匹配项。