- c - 在位数组中找到第一个零
- linux - Unix 显示有关匹配两种模式之一的文件的信息
- 正则表达式替换多个文件
- linux - 隐藏来自 xtrace 的命令
我想在一个非常大的文件(文件大小大于 2 GB)中找到以下字节序列,并在该字节序列之后打印 100 个字节。
0x77 0x??{6-8} 0x78 0x07 0x??{18} 0x87 0x0d 0x00{2}
更新:{6-8} 表示量词。
这类似于字节签名。通常,我会使用 Yara 在文件中搜索此类字节签名。显然,Yara 无法正确处理非常大的文件。
在这里,??代表通配符,可以匹配任意字节。
以下 grep 命令在这种情况下也无济于事,因为我的搜索模式包含通配符。
grep -obUaP "<\x-hex pattern>" <file>
也许我需要修改和使用某种类型的正则表达式?
谢谢。
最佳答案
如果您的 shell 是 Bash(或另一个支持 $'...'
"C-style"字符串的 shell)并且您的 grep
是 GNU grep
(显然是这样),如果我能够正确猜出您对搜索模式的临时表示应该表示什么,请尝试
grep -obUaP $'\x77.{6,8}\x78\x07.{18}\x87\x0d\x00{2}\K.{100}' file
其中 .
匹配任何字节,{m,n}
表示重复前面的模式至少 m
至多 n
次,单个 {n}
恰好重复某事 n
次,\xab
序列表示十六进制符号。 K
表示匹配整个表达式,但只打印 \K
之后的部分(如果你真的想打印签名部分,显然把它去掉)。
但是,因为您的模式中同时包含 \x00
和 \x0d
,所以我认为这行不通。如果您的模式只有其中之一,您可以使用 -z
(读取“行”直到下一个零字节)或使用默认的面向行的输入。如果您的“任何”序列永远不会包含零字节,您可以暂时用(例如)\xfe
替换零字节,反之亦然:
tr `\376\000' '\000\376' <file | grep ...
很明显,您会将 -z
添加到 grep
选项,并更改模式以查找原始模式所在的 \xfe
有零。 (我认为 GNU grep
仍然将 \xff
用于它自己邪恶的内部目的,尽管我不在可以验证这一点的地方.)
或者您毕竟可以分解并在 Python 中执行此操作。一次读取一个缓冲区(比如 8192 字节),在该字节串中查找模式,然后保留上一次读取的最后 100 多个字节并将下一个缓冲区附加到保留的序列中,然后循环直到 eof。
关于python - 使用 Python 在非常大的文件中查找字节序列,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/53676244/
我正在处理一组标记为 160 个组的 173k 点。我想通过合并最接近的(到 9 或 10 个组)来减少组/集群的数量。我搜索过 sklearn 或类似的库,但没有成功。 我猜它只是通过 knn 聚类
我有一个扁平数字列表,这些数字逻辑上以 3 为一组,其中每个三元组是 (number, __ignored, flag[0 or 1]),例如: [7,56,1, 8,0,0, 2,0,0, 6,1,
我正在使用 pipenv 来管理我的包。我想编写一个 python 脚本来调用另一个使用不同虚拟环境(VE)的 python 脚本。 如何运行使用 VE1 的 python 脚本 1 并调用另一个 p
假设我有一个文件 script.py 位于 path = "foo/bar/script.py"。我正在寻找一种在 Python 中通过函数 execute_script() 从我的主要 Python
这听起来像是谜语或笑话,但实际上我还没有找到这个问题的答案。 问题到底是什么? 我想运行 2 个脚本。在第一个脚本中,我调用另一个脚本,但我希望它们继续并行,而不是在两个单独的线程中。主要是我不希望第
我有一个带有 python 2.5.5 的软件。我想发送一个命令,该命令将在 python 2.7.5 中启动一个脚本,然后继续执行该脚本。 我试过用 #!python2.7.5 和http://re
我在 python 命令行(使用 python 2.7)中,并尝试运行 Python 脚本。我的操作系统是 Windows 7。我已将我的目录设置为包含我所有脚本的文件夹,使用: os.chdir("
剧透:部分解决(见最后)。 以下是使用 Python 嵌入的代码示例: #include int main(int argc, char** argv) { Py_SetPythonHome
假设我有以下列表,对应于及时的股票价格: prices = [1, 3, 7, 10, 9, 8, 5, 3, 6, 8, 12, 9, 6, 10, 13, 8, 4, 11] 我想确定以下总体上最
所以我试图在选择某个单选按钮时更改此框架的背景。 我的框架位于一个类中,并且单选按钮的功能位于该类之外。 (这样我就可以在所有其他框架上调用它们。) 问题是每当我选择单选按钮时都会出现以下错误: co
我正在尝试将字符串与 python 中的正则表达式进行比较,如下所示, #!/usr/bin/env python3 import re str1 = "Expecting property name
考虑以下原型(prototype) Boost.Python 模块,该模块从单独的 C++ 头文件中引入类“D”。 /* file: a/b.cpp */ BOOST_PYTHON_MODULE(c)
如何编写一个程序来“识别函数调用的行号?” python 检查模块提供了定位行号的选项,但是, def di(): return inspect.currentframe().f_back.f_l
我已经使用 macports 安装了 Python 2.7,并且由于我的 $PATH 变量,这就是我输入 $ python 时得到的变量。然而,virtualenv 默认使用 Python 2.6,除
我只想问如何加快 python 上的 re.search 速度。 我有一个很长的字符串行,长度为 176861(即带有一些符号的字母数字字符),我使用此函数测试了该行以进行研究: def getExe
list1= [u'%app%%General%%Council%', u'%people%', u'%people%%Regional%%Council%%Mandate%', u'%ppp%%Ge
这个问题在这里已经有了答案: Is it Pythonic to use list comprehensions for just side effects? (7 个答案) 关闭 4 个月前。 告
我想用 Python 将两个列表组合成一个列表,方法如下: a = [1,1,1,2,2,2,3,3,3,3] b= ["Sun", "is", "bright", "June","and" ,"Ju
我正在运行带有最新 Boost 发行版 (1.55.0) 的 Mac OS X 10.8.4 (Darwin 12.4.0)。我正在按照说明 here构建包含在我的发行版中的教程 Boost-Pyth
学习 Python,我正在尝试制作一个没有任何第 3 方库的网络抓取工具,这样过程对我来说并没有简化,而且我知道我在做什么。我浏览了一些在线资源,但所有这些都让我对某些事情感到困惑。 html 看起来
我是一名优秀的程序员,十分优秀!