正则表达式匹配 SSH url 部分

Posted 2023-02-21

【中文标题】正则表达式匹配 SSH url 部分

【英文标题】：Regex to match SSH url parts

【发布时间】：2020-01-02 00:48:10

【问题描述】：

鉴于以下 SSH 网址：

[e-mail]:james/example
[e-mail]:007/example
[e-mail]:22/james/example
[e-mail]:22/007/example

如何获取以下内容：

user@host:optional portpath (user/repo)

正如您在示例中看到的，其中一个用户名是数字而不是端口。我不知道如何解决这个问题。端口也不总是在 URL 中。

我目前的正则表达式是：

^(?P<user>[^@]+)@(?P<host>[^:\s]+)?:(?:(?P<port>\d1,5)\/)?(?P<path>[^\\].*)$

不知道还能尝试什么。

【问题讨论】：

一个小的解析器？

@Jan 你的意思是不使用正则表达式来做到这一点？

看我的答案bewlo（但选择另一个较短的）。

【参考方案1】：

懒惰的量词来拯救！

这似乎运作良好并且满足可选端口：

^
(?P<user>.*?)@
(?P<host>.*?):
(?:(?P<port>.*?)/)?
(?P<path>.*?/.*?)
$

换行符不是正则表达式的一部分，因为/x 修饰符已启用。如果您不使用/x，请删除所有换行符。

https://regex101.com/r/wdE30O/5

---

感谢@Janoptimizations。

【讨论】：

@ThatGuy343 正确，007 出现在冒号 : 之后

@ThatGuy343 如果007 不是端口，那么哪个捕获组应该包含它？是否应该完全忽略该条目，因为它是“无效的”？我的目标是创建一个简单的解析器，而不是验证器

007 是用户名，也是路径的一部分。路径组是这样的：username/repo

@MonkeyZeus +1 我认为你很接近，但是如果 [e-mail]:22/james ...它将匹配路径为 22/james，我相信什么时候应该只是 james。 ..

@MonkeyZeus: +1 但有一些优化：a）使用详细模式，b）你现在使用的非捕获是多余的，c）去掉正斜杠港口。总之看regex101.com/r/wdE30O/5

【参考方案2】：

如果您使用的是Python，您可以编写自己的解析器：

from parsimonious.grammar import Grammar
from parsimonious.nodes import NodeVisitor

data = """[e-mail]:james/example
[e-mail]:007/example
[e-mail]:22/james/example
[e-mail]:22/007/example"""

class GitVisitor(NodeVisitor):
    grammar = Grammar(
        r"""
        expr        = user at domain colon rest

        user        = word+
        domain      = ~"[^:]+"
        rest        = (port path) / path

        path        = word slash word
        port        = digits slash

        slash       = "/"
        colon       = ":"
        at          = "@"
        digits      = ~"\d+"
        word        = ~"\w+"

        """)

    def generic_visit(self, node, visited_children):
        return visited_children or node

    def visit_user(self, node, visited_children):
        return "user": node.text

    def visit_domain(self, node, visited_children):
        return "domain": node.text

    def visit_rest(self, node, visited_children):
        child = visited_children[0]
        if isinstance(child, list):
            # first branch, port and path
            return "port": child[0], "path": child[1]
        else:
            return "path": child

    def visit_path(self, node, visited_children):
        return node.text

    def visit_port(self, node, visited_children):
        digits, _ = visited_children
        return digits.text

    def visit_expr(self, node, visited_children):
        out = 
        _ = [out.update(child) for child in visited_children if isinstance(child, dict)]
        return out

gv = GitVisitor()
for line in data.split("\n"):
    result = gv.parse(line)
    print(result)

这会产生

'user': 'git', 'domain': 'github.com', 'path': 'james/example'
'user': 'git', 'domain': 'github.com', 'path': '007/example'
'user': 'git', 'domain': 'github.com', 'port': '22', 'path': 'james/example'
'user': 'git', 'domain': 'github.com', 'port': '22', 'path': '007/example'

解析器允许一些歧义，你显然在这里。

【讨论】：

你知道，我在两个多月前开始参加正则表达式标签以提高我的技能，我觉得我取得了很好的进步；不确定我是否是专家，但至少正则表达式不再显得过于神秘（我大部分归功于使用正则表达式可视化工具）。我从来没有想过我会进入解析器，但你的帖子是如此冷漠“嗯，试试这个解析器”，这可能是我的下一次冒险，哈哈

@MonkeyZeus：很高兴这里有另一个旅行者。一个很好的起点是tomassetti.me/guide-parsing-algorithms-terminology 用于一般概述，github.com/erikrose/parsimonious 用于Python 中的 PEG 解析器。它确实拓宽了可能性。

@MonkeyZeus：无耻的自我宣传：你可以很好地将正则表达式和解析器结合起来，两全其美，见***.com/a/57749422/1231450