java - 使用 Java8 捕获 traceroute 中的组的正则表达式

Question

我正在尝试使用 Regex 在 Java8 中解析 traceroute 结果。

我正在使用以下正则表达式来识别组。

^(\\d*).*[AS(\\d*)]?\\s+([\\w+\\.]+)\\s+\\(([\\d+\\.]+)\\)[\\s+(\\d+\\.\\d+)\\s+ms]+

我需要解析的一些示例行是:

1  10.33.128.1 (10.33.128.1)  4.452 ms  3.459 ms  3.474 ms  
6  * [AS3356] 4.68.72.218 (4.68.72.218)  12.432 ms  11.819 ms  
 * 4.68.72.218 (4.68.72.218)  12.432 ms  11.819 ms  
  61.182.180.62 (61.182.180.62) 175.300 ms  203.001 ms

我想提取跳数(如果可用)、ASN(如果可用)、主机名、IP 和时间

但使用上面的正则表达式，它匹配字符串 1、2 和 4，这是我想要的，但只给我跃点、主机和 ASN。

我的代码是这样的:

Pattern hop_pattern = Pattern.compile(
        "^(\\d*).*[AS(\\d*)]?\\s+([\\w+\\.]+)\\s+\\(([\\d+\\.]+)\\)[\\s+(\\d+\\.\\d+)\\s+ms]+")
Matcher m = hop_pattern.matcher(target);

while(m.find()) {
    System.out.println("count: " + m.groupCount());
    for(int i = 1; i < m.groupCount() + 1; i++) {
        System.out.println(i + "->" + m.group(i));
    }
}

我需要解析的一些示例行是:

1 10.33.128.1 (10.33.128.1) 4.452 ms 3.459 ms 3.474 ms
6 * [AS3356] 4.68.72.218 (4.68.72.218) 12.432 ms 11.819 ms
* 4.68.72.218 (4.68.72.218) 12.432 ms 11.819 ms
61.182.180.62 (61.182.180.62) 175.300 ms 203.001 ms

我想提取跳数(如果可用)、ASN(如果可用)、主机名、IP 和时间

但使用上面的正则表达式，它匹配字符串 1、2 和 4，这是我想要的，但只给我跃点、主机和 ASN。

我的代码是这样的:

    Pattern hop_pattern = Pattern.compile(
            "^(\\d*).*[AS(\\d*)]?\\s+([\\w+\\.]+)\\s+\\(([\\d+\\.]+)\\)[\\s+(\\d+\\.\\d+)\\s+ms]+")
    Matcher m = hop_pattern.matcher(target);

    while(m.find()) {
        System.out.println("count: " + m.groupCount());
        for(int i = 1; i < m.groupCount() + 1; i++) {
            System.out.println(i + "->" + m.group(i));
        }
    }

我不确定代码或正则表达式本身是否有问题。感谢您的帮助!

更新:一些示例和样本输出

1 [AS0] 10.200.200.200 (10.200.200.200) 37.526 ms 35.793 ms 37.728 ms
Expected Output: hop: 1 asn: 0 hostname: 10.200.200.200 ip: 10.200.200.200 time: [37.526, 35.793, 37.728]

2 [AS0] scsc-usr-13500-02-eth1-07.xyz.com (10.96.15.3) 37.927 ms 36.122 ms *
Expected Output: hop: 2 asn: 0 hostname: scsc-usr-13500-02-eth1-07.xyz.com ip: 10.96.15.3 time: [37.927, 36.122]

我不确定代码或正则表达式本身是否有问题。感谢您的帮助!

Answer 1

回答

第 1 部分

为了捕获您要查找的所有内容，您需要使用两个单独的正则表达式。这样做的原因是正则表达式只会捕获它找到的与条件匹配的 last 组，并且您的跟踪路由结果中有多个时间(例如 4.452 ms 、 3.459 ms , 和 3.474 ms 在你的第一行)。

为了了解捕获了哪些组，您可以使用以下正则表达式(它是 PCRE，在 Java 中不起作用，但它可以清楚地指示捕获了哪个组)。

This code can be seen in use here

^(?P<hop>\d+)?[\h*]*(?:\[AS(?<ASN>\d*)\])?\h+(?<hostname>[\w\.]+)\h+\((?<ip>[\d+\.]+)\)\h+(?<times>.*?)\h*$

稍微修改一下，上面的正则表达式就可以在 Java 中使用(据我所知，Java 正则表达式不支持水平空格 \h 和命名捕获组 (?<name>...))。

This code can be seen in use here

^(\d+)?[\ \t*]*(?:\[AS(\d*)\])?[\ \t]+([\w\.]+)[\ \t]+\(([\d+\.]+)\)[\ \t]+(.*?)[\ \t]*$

注意:都是全局的g和多行 m使用修饰符。

---

第 2 部分

对您在第 1 部分 中捕获的时间 运行第二个正则表达式以收集所有时间的列表。

This code can be seen in user here

([\d.]+)

---

---

结果

第 1 部分

输入

1  10.33.128.1 (10.33.128.1)  4.452 ms  3.459 ms  3.474 ms  
6  * [AS3356] 4.68.72.218 (4.68.72.218)  12.432 ms  11.819 ms  
 * 4.68.72.218 (4.68.72.218)  12.432 ms  11.819 ms  
  61.182.180.62 (61.182.180.62) 175.300 ms  203.001 ms

输出

匹配 1

• 完整比赛 0-60 1 10.33.128.1 (10.33.128.1) 4.452 ms 3.459 ms 3.474 ms
• 第 1 组。1
• 第 3 组。10.33.128.1
• 第 4 组。10.33.128.1
• 第 5 组。4.452 ms 3.459 ms 3.474 ms

匹配 2

• 完整比赛 61-124 6 * [AS3356] 4.68.72.218 (4.68.72.218) 12.432 ms 11.819 ms
• 第 1 组。6
• 第 2 组。3356
• 第 3 组。4.68.72.218
• 第 4 组。4.68.72.218
• 第 5 组。12.432 ms 11.819 ms

匹配 3

• 完整匹配 125-177 * 4.68.72.218 (4.68.72.218) 12.432 ms 11.819 ms
• 第 3 组。4.68.72.218
• 第 4 组。4.68.72.218
• 第 5 组。12.432 ms 11.819 ms

第 4 场比赛

• 完整匹配 178-232 61.182.180.62 (61.182.180.62) 175.300 ms 203.001 ms
• 第 3 组。61.182.180.62
• 第 4 组。61.182.180.62
• 第 5 组。175.300 ms 203.001 ms

---

第 2 部分

输入

4.452 ms  3.459 ms  3.474 ms 

输出

匹配 1

• 完整比赛 0-5 4.452
• 第 1 组。4.452

匹配 2

• 完整比赛 10-15 3.459
• 第 1 组。3.459

匹配 3

• 整场比赛 20-25 3.474
• 第 1 组。3.474

---

---

编辑

感谢Casimir et Hippolyte指出 Java 确实像其他正则表达式风格一样允许命名捕获组。

这是一个更新的正则表达式，因为 Java 确实支持命名的捕获组 (?<name>...)

This regex can be seen in use here

^(?P<hop>\d+)?[\t *]*(?:\[AS(?<ASN>\d*)\])?[\t ]+(?<hostname>[\w\.]+)[\t ]+\((?<ip>[\d+\.]+)\)[\t ]+(?<times>.*?)[\t ]*$