Question

如何使用负向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？

我已经读过两个以前的stackoverflow问题：
java-regexp-for-file-filtering
regex-to-match-against-something-that-is-not-a-specific-substring

他们几乎我想要的东西......我的问题是字符串不会以我想要忽略的结束。如果这样做，这不会是一个问题。

我有一种感觉这与lookarounds为零宽度并且在第二次通过字符串时匹配的事实有关... 但是，我对内部人员不太确定。

无论如何，如果有人愿意花时间解释它，我会非常感激。

以下是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

以下是我想保留以供进一步评估的输入字符串示例：

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，关键是我想忽略文档根默认页面之后的任何HTTP GET。

以下是我的小测试工具和迄今为止我提出的最好的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();
}
}

Answer 1

您是否可以匹配任何不以/

结尾的路径

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

这也可以使用否定后瞻

来完成

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

此处，(?<!/)表示“前面的序列必须不匹配/”。

Answer 2

也许我在这里遗漏了一些东西，但你不能没有任何正则表达式而忽略任何事情，这是真的：

string.contains("/ HTTP")

因为文件路径永远不会以斜杠结束。

Answer 3

我会用这样的东西：

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

这匹配不仅仅是/FOO/BAR/的每条路径。

Answer 4

如果您正在编写Regex这个复杂的，我建议在StackOverflow之外构建一个资源库。

如何使用正则表达式忽略包含特定子字符串的字符串？

4 个答案: