使用正则表达式找出不包含特定字符串的条目

╰+攻爆jí腚メ 2022-01-26 14:55 206阅读 0赞

## 概述 ##

做日志分析工作的经常需要跟成千上万的日志条目打交道，为了在庞大的数据量中找到特定模式的数据，常常需要编写很多复杂的正则表达式。例如枚举出日志文件中不包含某个特定字符串的条目，找出不以某个特定字符串打头的条目，等等。

## 使用否定式前瞻 ##

正则表达式中有前瞻（Lookahead）和后顾（Lookbehind）的概念，这两个术语非常形象的描述了正则引擎的匹配行为。需要注意一点，正则表达式中的前和后和我们一般理解的前后有点不同。一段文本，我们一般习惯把文本开头的方向称作“前面”，文本末尾方向称为“后面”。但是对于正则表达式引擎来说，因为它是从文本头部向尾部开始解析的（可以通过正则选项控制解析方向），因此对于文本尾部方向，称为“前”，因为这个时候，正则引擎还没走到那块，而对文本头部方向，则称为“后”，因为正则引擎已经走过了那一块地方。如下图所示：

![image_thumb.png][]

所谓的前瞻就是在正则表达式匹配到某个字符的时候，往“尚未解析过的文本”预先看一下，看是不是符合/不符合匹配模式，而后顾，就是在正则引擎已经匹配过的文本看看是不是符合/不符合匹配模式。符合和不符合特定匹配模式我们又称为肯定式匹配和否定式匹配。

现代高级正则表达式引擎一般都支持都支持前瞻，对于后顾支持并不是很广泛，因此我们这里采用否定式前瞻来实现我们的需求。

## 实现 ##

测试数据：

2009-07-07 04:38:44 127.0.0.1 GET /robots.txt  
2009-07-07 04:38:44 127.0.0.1 GET /posts/robotfile.txt  
2009-07-08 04:38:44 127.0.0.1 GET /

例如上面这几条简单的日志条目，我们想实现两个目标：

1.  把8号的数据过滤掉
2.  把那些不包含robots.txt字符串的条目给找出来（只要Url中包含robots.txt的都给过滤掉）。

前瞻的语法是：

(?!匹配模式)  
我们先来实现第一个目标——匹配不以特定字符串开头的条目。

这里我们因为要排除一段连续的字符串，因此匹配模式非常简单，就是2009-07-08。实现如下：

^(?!2009-07-08).\*?$  
用Expresso我们可以看到结果确实过滤掉8号的数据。

接下来，我们来实现第二个目标——排除包含特定字符串的条目。

按照我们上面写法，我照葫芦画瓢了一下：

^.*?(?!robots.txt).*?$  
这段正则用大白话描述就是：开头任意字符，然后后面不要跟着robots.txt连续字符串，然后再跟着任意个字符，字符串结尾。

运行测试，结果发现：

![image_thumb1.png][]

没有达到我们想要的效果。这是为什么呢？我们给上面的正则表达式加上两个捕获分组调试一下：

^(.*?)(?!robots.txt)(.*?)$  
测试结果：

![image_thumb2.png][]

我们看到，第一个分组啥都没有匹配到，而第二个分组却匹配了整个字符串。再回过头来好好分析一下刚才那个正则表达式。实际上，当正则引擎解析到A区域的时候，就已经开始执行B区域的前瞻工作。这个时候发现当A区域为Null的时候匹配成功——.\*本来就允许匹配空字符，前瞻条件又满足，A区域后面紧跟着的是“2009”字符串，而并不是robots。因此整个匹配过程成功匹配到所有条目。

![image_thumb3.png][]

分析出原因之后我们对上述的正则进行修正，将.\*?移入前瞻表达式，如下：

^(?!.*?robots).*$  
测试结果:

![image_thumb4.png][]

Bingo!

转载自:[http://www.imkevinyang.com/2009/08/使用正则表达式找出不包含特定字符串的条目.html][http_www.imkevinyang.com_2009_08_.html]

--------------------

## update ##

匹配含有Open Browser并且不含浏览器的片段  
.*Open Browser\\s+(?!.*(chrome|ie|firefox|internet explorer))

例子:\[setup\] Open Browser [http://tool.oschina.net/regex/][http_tool.oschina.net_regex]

[image_thumb.png]: /images/20220126/eb112ed63a9e4b1eb018a9c49a04aa6b.png
[image_thumb1.png]: /images/20220126/2a8bbfb0016d47bfaf1b05bf6f0b6190.png
[image_thumb2.png]: /images/20220126/40ea2267f79f45f990c310550bcf3388.png
[image_thumb3.png]: /images/20220126/cb31511bb35e429fbdd5040109f1cf86.png
[image_thumb4.png]: /images/20220126/1a522d4ce53d4a8b887c2685c976d29d.png
[http_www.imkevinyang.com_2009_08_.html]: http://www.imkevinyang.com/2009/08/%E4%BD%BF%E7%94%A8%E6%AD%A3%E5%88%99%E8%A1%A8%E8%BE%BE%E5%BC%8F%E6%89%BE%E5%87%BA%E4%B8%8D%E5%8C%85%E5%90%AB%E7%89%B9%E5%AE%9A%E5%AD%97%E7%AC%A6%E4%B8%B2%E7%9A%84%E6%9D%A1%E7%9B%AE.html
[http_tool.oschina.net_regex]: http://tool.oschina.net/regex/