python - 我该如何修复这个正则表达式？ (nmap 结果)

Question

我尝试将文本解析为 4 个捕获组，但遇到了问题。

我的正则表达式是:

(\d{1,5})\/(tcp|udp)\s+open\s+(\S+)\s*(.*)?

一些示例输入是:

Nmap scan report for X
Host is up (0.097s latency).
Not shown: 192 closed ports
PORT     STATE         SERVICE       VERSION
135/udp  open          msrpc
137/udp  open          netbios-ns    Microsoft Windows XP netbios-ssn (workgroup: THINC)
135/tcp open  msrpc        Microsoft Windows RPC
139/tcp open  netbios-ssn  Microsoft Windows netbios-ssn
445/tcp open  microsoft-ds Windows XP microsoft-ds

这几乎可以完美地工作。问题出在 135/udp 的线路上，没有版本字段，因此该线路的捕获组 4 会环绕并抓取整个下一行(从 137/udp 开始)。

我希望捕获组 4 对于 135/udp 行(或版本字段为空的任何地方)为空/为 null。

看起来我的最后一个 .* 不应该超过行终止符，但事实确实如此。我还在最后一个捕获组之后包含了 ? ，以尝试使其可选，例如允许 null 值。

谁能指出我做错了什么？与仅仅为我提供一个有效的正则表达式相比，解释我的错误会更有帮助。

Visual representation

Answer 1

\s 似乎是匹配的换行符。这对我来说是出乎意料的 - 我本来希望 \s 仅匹配空格。

尝试仅匹配制表符和空格:[\t] 而不是 \s。

并且要求更高一些 - 意味着设置 + 所需的空格和非空格，而不是 *:

(\d{1,5})\/(tcp|udp)[\t]+open[\t]+(\S+)[\t]+(.*)

(\S+) 是 open 和空格之后预期的一个条目。但由于我们只对之后继续的那些行感兴趣:[\t]+ 要求该条目之后有空格(不包括以该处结尾的行) - 使用 (.*) 捕获空格之后的所有内容。