python - 是否需要 Negative Look behind？

Question

我正在尝试获取以下文本

编辑:第二个 $::/::必须是可选的

when HTTP_REQUEST {
  if { [matchclass  ::USERAGENT  contains $::XYZ ] or [matchclass  $::USERAGENT  contains $::ABC ] } { drop }
  if { [matchclass  $USERAGENT    contains ::TEST ] } { drop }
  if { [ matchclass $::useragent    contains TEST ] } { drop }
  return 
}

看起来像这样

when HTTP_REQUEST {
  if { [matchclass  ::USERAGENT  contains XYZ ] or [matchclass  $::USERAGENT  contains ABC ] } { drop }
  if { [matchclass  $USERAGENT    contains TEST ] } { drop }
  if { [ matchclass $::useragent    contains TEST ] } { drop }
  return 
}

即从 \] 旁边的单词中删除 $:: 或 ::

到目前为止我有正则表达式，

re.sub(' \$?::(?=.*\])', ' ', text)

但是这会产生，

when HTTP_REQUEST {
  if { [matchclass   USERAGENT  contains  XYZ ] or [matchclass   USERAGENT  contains  ABC ] } { drop }
  if { [matchclass  $USERAGENT    contains  TEST ] } { drop }
  if { [ matchclass  useragent    contains  TEST ] } { drop }
  return
}

有什么想法吗？还有什么是 re 方法用于匹配而不是替换。搜索/匹配还是查找？

Answer 1

您需要将贪心点匹配模式替换为 tempered greedy token :

 \$?::(?=(?:(?!\$?::)[^\]])*\])
         ^^^^^^^^^^^^^^^^^^^

只有当 $:: 或 :: 直到第一个 时，它才会匹配 $::] 。

• (?:(?!\$?::)[^\]])* - 零个或多个 ((?:...)*)...
  • (?!\$?::)[^\]] - 非]字符([^\]] ) 不是 $:: 或 :: 序列的起点

请注意，如果您不确定在第一个 之前的最后一个 $:: 之后可以出现什么，则可以使用此正则表达式。否则，r"\$?::(?=\w+ *])" 正则表达式应该适合您。

参见 regex demo

Python code :

import re
p = re.compile(r' \$?::(?=(?:(?!\$?::)[^\]])*\])')
test_str = "when HTTP_REQUEST {\n  if { [matchclass  $::USERAGENT  contains $::XYZ ] or [matchclass  $::USERAGENT  contains $::ABC ] } { drop }\n  if { [matchclass  $USERAGENT    contains ::TEST ] } { drop }\n  if { [ matchclass $::useragent    contains $::TEST ] } { drop }\n  return \n}\n\n"
result = p.sub(" ", test_str)
print(result)