python—re

python的re模块简单使用
re.findall, re.compile, re.match和re.search

re.findall

这个是最好用的，查找所有符合条件的，返回list，或None

import re

str1 = 'gdfd,good'
results = re.findall(r'g..d', str1)
print(results)
1
2
3
4
5

re.compile

编译一个正则表达式，用这个在多次调用正则时可能会快一些，把上面的例子改成使用这样的形式

import re

reobj = re.compile(r'g..d')
str1 = 'gdfd,good'
results = reobj.findall(str1)
print(results)
1
2
3
4
5
6

re.match & re.search

match和search都是匹配一次，match必须从开头匹配

match示例

import re

str1 = 'gdfd,good'
m = re.match(r'gdfd', str1)
if m:
    print(m.group(0))
else:
    print('Not found')
m = re.match(r'good', str1)
if m:
    print(m.group(0))
else:
    print('Not found')
1
2
3
4
5
6
7
8
9
10
11
12
13

结果:

gdfd
Not found
1
2

search示例

import re

str1 = 'gdfd,good'
s = re.search(r'gdfd', str1)
if s:
    print(s.group(0))
else:
    print('Not found')
s = re.search(r'good', str1)
if s:
    print(s.group(0))
else:
    print('Not found')
1
2
3
4
5
6
7
8
9
10
11
12
13

结果:

gdfd
good
1
2

对group的解释

group()和group(0)等价，是正则字符串匹配的所有内容
group(1)指捕获的第一个结果(第一个括号匹配的内容)，之后类推

一些正则

有分组但不捕获

(?:hello)
1

一个名字为the_name的分组

(?P<the_name>hello)
1

使用已命名的分组

(?P<named_group>cool) (?P=named_group)
1

简单的ip域名匹配

ip_re = rb'(?P(?:\d{1,3}\.){3}\d{1,3})'
domain_re = rb'(?P(?:[-a-zA-Z0-9]+\.)+[a-zA-Z]+)'
1
2

更多正则和测试可以用这个网站，超级好用: https://regex101.com/

匹配bytes-like object

有时候需要匹配二进制数据，需要在正则表达式前加 b

# coding:utf8

# TypeError: cannot use a string pattern on a bytes-like object

import re

the_re = rb'Hello'
the_bytes = b' Hello fasdf'
result = re.findall(the_re, the_bytes)
print(result)
1
2
3
4
5
6
7
8
9
10

flag使用示例

可以给正则字符串添加一些标记，实现不同的功能。

re.I
re.IGNORECASE
进行忽略大小写匹配

re.S
re.DOTALL
让 '.' 特殊字符匹配任何字符，包括换行符；如果没有这个标记，'.' 就匹配除了换行符的其他任意字符。对应内联标记 (?s)

re.X
re.VERBOSE
这个标记允许你编写更具可读性更友好的正则表达式。通过分段和添加注释。空白符号会被忽略。当一个行内有 `#` 不在字符集和转义序列，那么它之后的所有字符都是注释。
1
2
3
4
5
6
7
8
9
10
11

一个匹配数字的示例：

.text:00401032 68 62 04 00 00    push    462h
.text:00401037 68 8C 7A 41 00    push    offset _Format  ; "%d\n"
.text:0040103C E8 C5 FF FF FF    call    _printf
.text:00401041 59                pop     ecx
.text:00401042 59                pop     ecx
.text:00401043 33 C0             xor     eax, eax
.text:00401045 C3                retn
1
2
3
4
5
6
7

import re
import struct

num_re = re.compile(
    rb"""
    \x68(.{4})  # 68 62 04 00 00    push    462h
    \x68.{4}    # 68 8C 7A 41 00    push    offset _Format  ; "%d\n"
    \xE8.{4}    # E8 C5 FF FF FF    call    _printf
    \x59        # 59                pop     ecx
    \x59        # 59                pop     ecx
    \x33\xC0    # 33 C0             xor     eax, eax
    \xC3        # C3                retn
    """,
    re.DOTALL | re.VERBOSE,
)

the_file = open("Hello.exe", "rb")
the_content = the_file.read()
the_file.close()

raw_data_list = num_re.findall(the_content)
for raw_data in raw_data_list:
    num = struct.unpack(", raw_data)[0]
    print(hex(num))
# 0x462
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25

参考链接

1. https://www.runoob.com/python/python-reg-expressions.html
2. https://docs.python.org/zh-cn/3/library/re.html

---

2018/11/12