如何避免正则表达式中的不同捕获组编号？

Question

我正在尝试捕获日志中的IP地址，如果地址为0.0.0.0，则还原主机名。

以下是日志的一些示例：

Foo bar ip=0.0.0.0 baz host=YOLO-PC foobar bazinga

在这种情况下，我想要“YOLO-PC”，因为IP是0.0.0.0

Foo bar ip=12.23.34.45 baz host=FOOBAR-PC foobar bazinga

在这种情况下，我想要12.23.34.45。

这是我试过的：

ip=(?:0\.0\.0\.0|(\d+\.\d+\.\d+\.\d+)).*?host=(?(1).|(\S+))

它有效，但是当IP为0.0.0.0时，它会创建第二个组，其后面的程序无法获取组＃2，只能获取组＃1。

我该怎么做？把它全部放在一个组中？有更好的解决方案吗？

Answer 1

从您的问题中不清楚您正在处理哪种环境/语言/正则表达式。但PCRE正则表达式实际上允许您使用(?|some(capture)|another(capture))语法执行此操作：

ip=(?|0\.0\.0\.0.*?host=(\S+)|(\d+\.\d+\.\d+\.\d+))

您可以在debuggex visualisation中看到两个组的编号均为 1 。在regex101上，您可以看到右侧的捕获。

或者（如果你不使用PCRE），我想你可以这样做。它不那么严格，但适用于大多数引擎。您当前的正则表达式对IP格式并不特别严格（允许高于255的数字等），所以这对您来说可能不是问题。

ip=(?:0\.0\.0\.0.*?host=)?(\S+)

Debuggex Demo

Answer 2

结果中的组数等于正则表达式中( )组的数量。你引用它们的顺序是开头的parens出现在正则表达式中的顺序。有些组可能不匹配并且为空。

因此，在您的情况下，您将始终拥有两个小组。组1是非零ip，组2是主机名。如果IP为0.0.0.0，则组1将为空。如果没有，则第2组将为空。

您是否只能检查代码中哪个组为空并使用另一个组？

Answer 3

使用从左到右尝试的替换：

(?<=ip)(?!0.0.0.0)\S+|(?<=host=)\S+

请参阅demo

由于使用环顾四周，这仅匹配您的目标输入。如果它全部为零，那么前面的负面看法决定不使用ip。

只选择第一个匹配。