Question

为了个人使用和工作，我编写了各种正则表达式来查找PHP中的所有变量。我的正则表达式的目的是出于安全原因，特别是VET脚本和插件。表达式如下：

\${1,1}[\w]+[" +"]{0,}=[" +"]{0,}['"][a-zA-Z0-9" "]+['"]+[;]{0,}

上面的正则表达式将找到所有$vars以及它们的设置。我使用它来使用Dreamweaver搜索整个目录和站点。以下是我的上述正则表达式中将找到哪种PHP变量的示例。

$var = 'sample';
$var = "sampletext"
$var="sampletext"
$$$var  = "sampletext"
$var      = "sampletext"
$var=     'sampletext';
$var = 'here is some sample text';
var = 'here is more sample text';

您可以看到上述所有变量都有轻微变化。有些使用双引号，单引号，有些使用分号，有些则没有，也有空格的变体。

所以，我的问题，你能简化我的正则表达式吗？你们都有其他正则表达式用于VET和ANALYIZE任何代码，但特别是PHP会很好。非常感谢您抽出时间阅读并提供帮助。

Answer 1

问题和回答中的正则表达式都在寻找变量赋值表达式;如果您只是在寻找第一项任务，这将使问题复杂化，并且您更好 - 正如@mario所说 - 使用 PHP_Parser 。

这个正则表达式有很多奇怪的方面。首先是一个奇怪的正则表达式构造的小枚举：

\${1,1}

{1,1}表示一个和一个之间的时间。这是无用的，可以用\$替换。
[\w]+

在这里，您只使用一种类型的字符，一个语义上等效的表达式为\w，但这部分有问题。这个document表示变量的名称只能以字母或下划线开头。其次是字母，下划线和数字。 \w仅表示最后一个类别。因此，$0之类的表达式将匹配。但是文档显示了如何指定变量名称：
```
[a-zA-Z_\x7f-\xff][a-zA-Z0-9_\x7f-\xff]*
```
[" +"]{0,}

在这里，我并不完全确定你的目标是什么;您似乎为正则表达式提供零或更多引号重复（"），空格（）和加号（+）的选择。如果您想要零个或多个间距字符，则可以使用\s*。分配后的部分也是如此。
=

这里假设您只能使用赋值声明变量。事实并非如此：PHP允许使用默认值，例如写$var += 3;。在这种情况下，$var将＆＃34; 初始化＆＃34;使用3，因为默认值为0。我同意这是糟糕的设计。您可以选择使用([+-*/%.&|^]|<<|>>)?。
再次间隔;见第4号。
['"][a-zA-Z0-9" "]+['"]+[;]{0,}。

表达式，很难解析赋值运算符旁边的PHP表达式。它可以是常量，如数字，但这些可以是变量，字符串，函数调用，...函数调用甚至可以在f(1,2,g(3,'a'))等级联。通过标准正则表达式，这些调用甚至无法正确处理：它是一个常规语言抽取引理的结果。然而，PHP允许平衡括号扩展，所以理论上它可以完成。在这种情况下，你需要深入研究PHP的上下文免费语法，使其变得更加困难。

您还要说明一些表达式不以分号结尾。然而，php -a交互式shell似乎并不喜欢这个想法：
```
$ php -a
php > $var
php > echo $var;
PHP Parse error:  syntax error, unexpected 'echo' (T_ECHO) in php shell code on line 2
```
您可以使用分号作为查找表达式何时终止的方法。例如：
```
.*?;
```
这会有效，但是有一个问题：分号也可以放在字符串中。在这种情况下，需要忽略分号。您可以使用正则表达式替换点.：
```
([^"']|(["'][^"]*["']))*?
```
但这又会导致问题，因为引用可以转义（如"\""）;在这种情况下，您不希望正则表达式将第二个"解释为字符串的结尾。你可以通过使正则表达式更复杂来解决这个问题：
```
([^"']|(["']([^"\\]|\\.)*["']))*?
```

因此，正则表达式可以读取：

\$[a-zA-Z_\x7f-\xff][a-zA-Z0-9_\x7f-\xff]*\s*([+-*/%.&|^]|<<|>>)?=\s*([^"']|(["']([^"\\]|\\.)*["']))*?;

regex101 demo

如前所述要求表达式以分号结尾。字符串环境中的分号将被忽略。

更好的安全和审计正则表达式？

1 个答案: