您将如何使用正则表达式来忽略包含特定子字符串的字符串？

Posted 2023-02-26

【中文标题】您将如何使用正则表达式来忽略包含特定子字符串的字符串？

【英文标题】：How would you use a regular expression to ignore strings that contain a specific substring?

【发布时间】：2010-10-06 12:54:17

【问题描述】：

如何使用否定的lookbehind（或任何其他方法）正则表达式来忽略包含特定子字符串的字符串？

我已经阅读了之前的两个 *** 问题：java-regexp-for-file-filteringregex-to-match-against-something-that-is-not-a-specific-substring

它们是我想要的几乎...我的问题是字符串没有以我想要忽略的结尾。如果是这样，这将不是问题。

我感觉这与环视是零宽度的事实有关，并且在第二次通过字符串时匹配... 但是，我不太确定内部结构。

无论如何，如果有人愿意花时间解释一下，我将不胜感激。

这是一个我想忽略的输入字符串示例：

192.168.1.10 - - [08/Feb/2009:16:33:54 -0800] "GET /FOO/BAR/HTTP/1.1" 200 2246

这是一个输入字符串的示例，我想保留它以供进一步评估：

192.168.1.10 - - [08/Feb/2009:16:33:54 -0800] "GET /FOO/BAR/content.js HTTP/1.1" 200 2246

对我来说，关键是我想忽略任何在文档根默认页面之后的 HTTP GET。

以下是我的小测试工具，也是迄今为止我想出的最好的 RegEx。

public static void main(String[] args)
String inString = "192.168.1.10 - - [08/Feb/2009:16:33:54 -0800] \"GET /FOO/BAR/ HTTP/1.1\" 200 2246";
//String inString = "192.168.1.10 - - [08/Feb/2009:16:33:54 -0800] \"GET /FOO/BAR/content.js HTTP/1.1\" 200 2246";
//String inString = "192.168.1.10 - - [08/Feb/2009:16:33:54 -0800] \"GET /FOO/BAR/content.js HTTP/"; // This works
//String inString = "192.168.1.10 - - [08/Feb/2009:16:33:54 -0800] \"GET /FOO/BAR/ HTTP/"; // This works
String inRegEx = "^.*(?:GET).*$(?<!.?/ HTTP/)";
try 
  Pattern pattern = Pattern.compile(inRegEx);

  Matcher matcher = pattern.matcher(inString);

  if (matcher.find()) 
    System.out.printf("I found the text \"%s\" starting at " +
"index %d and ending at index %d.%n",
matcher.group(), matcher.start(), matcher.end());
   else 
    System.out.printf("No match found.%n");
  
 catch (PatternSyntaxException pse) 
  System.out.println("Invalid RegEx: " + inRegEx);
  pse.printStackTrace();

【问题讨论】：

所以，您只对明确请求“文件”的内容（例如 /path/to/file.txt）感兴趣，而不是指向“目录”的内容（例如 /path/to /) 请求的 URI 是否以某些“扩展名”（在您的示例中为 .js）结尾？

第一个问题正确。我只想要“文件”而不是“目录”。文件名和扩展名无关紧要......只想忽略对文档根目录的请求

【参考方案1】：

你能匹配任何不以/结尾的路径

String inRegEx = "^.* \"GET (.*[^/]) HTTP/.*$";

---

这也可以使用消极的lookbehind来完成

String inRegEx = "^.* \"GET (.+)(?<!/) HTTP/.*$";

这里，(?<!/) 表示“前面的序列必须不匹配/”。

【讨论】：

谢谢扎克。这非常有效，我相信它比环顾四周表现要好得多。现在，为了我自己的启迪，是否可以使用环视和 java regex 引擎？

【参考方案2】：

也许我在这里遗漏了一些东西，但你不能不使用任何正则表达式并忽略任何符合此条件的内容：

string.contains("/ HTTP")

因为文件路径永远不会以斜线结尾。

【参考方案3】：

我会使用这样的东西：

"\"GET /FOO/BAR/[^ ]+ HTTP/1\.[01]\""

这匹配不只是 /FOO/BAR/ 的所有路径。

【参考方案4】：

如果您正在编写如此复杂的正则表达式，我建议您在 *** 之外构建一个资源库。

Java Regular Expressions by Mehran Habibi (Apress) Mastering Regular Expressions, Second Edition RegExLib

【讨论】：

感谢您的出色建议...奇怪的是，我有弗里德尔的书和哈比比的书，但我太无知了，无法在阅读有关主题时辨别出整个负面的后视（一般环顾四周）。一般来说，我从这两个来源获得大部分东西。但是这个让我很困惑！

虽然是一个有用的评论，但它并不是问题的真正答案。建议将其更改为评论。