让正则表达式匹配过去行结尾

问题描述：

我想构建一个正则表达式来帮助我分析大量的robots.txt文件。我正在尝试查找特定的用户代理是否被禁止。让正则表达式匹配过去行结尾

文件大致如下他，但可能会略有不同与whitepace：

User-agent: * 
Disallow: /next/ 

User-agent: * 
Disallow: /mshots/v1/ 

# har har 
User-agent: * 
Disallow: /activate/ 

User-agent: * 
Disallow: /wp-login.php 

User-agent: * 
Disallow: /signup/ 

User-agent: * 
Disallow: /related-tags.php

到目前为止，我想出了这个正则表达式：

user-agent.*:(.*$)

随着多和忽略大小写设置选项。

这对我的需求的用户代理部分很好，但现在我需要匹配任何dissallow单词，在另一个user-agent宣布之前。我试过匹配$和\r\n，但我不知道如何让比赛继续在$之后。我之后添加的任何图案似乎都不起作用。例如：

user-agent.*:(.*$)(^.*disallow)

我想匹配换行符，然后拒绝，但它不匹配。另外我不确定如何在user-agent之前终止比赛，并且仍然在最后的宣告规则上工作。

任何人都可以指向正确的方向吗？

不知道你是什么之后，但见（http://regexstorm.net/tester?p=user -agent。*％3A％28 *％29％28％5 CN。*不允许％29＆I =用户代理％3A + *％0D％0aDisallow％3A +％2fnext％2F％0D％0A％0D％0aUser剂％3A + *％0D％0aDisallow％3A +％2fmshots％2fv1％2F＆O = I）。只是'$'不符合换行符，它只匹配'\ n'之前的位置。 –

在JavaScript中，正则表达式最后需要'/ gmi'作为多个。多行和不区分大小写的匹配。不太清楚c＃。见[this]（https://regex101.com/r/7AcZh8/1/） – Nisarg

啊，谢谢，我正在尝试其中一个。有时在用户代理和禁止之间有空行。我有一个玩你的演示，但无法弄清楚，是否有符合任何字符和任何行尾的符号？在C＃ – Guerrilla

答

您可以使用

(?i)user-agent.*:(.*)([\r\n]\s*.*disallow)

见regex demo。这里您不需要RegexOptions.Multiline选项，因为不需要使用^或$，这需要重新定义它们的行为。

详细

(?i) - 不区分大小写修改
user-agent - 文字串
.* - 任何0+字符不是一个换行符以外，尽可能多的
: - 一个冒号
(.*) - 第1组：任何0+字符其他ER比换行到行
([\r\n]\s*.*disallow)的端部 - 组2：
- [\r\n]\s* - 换行符炭（CR或LF），然后0+空格
- .* - 以外的任何字符0+除换行符，尽可能多的
- disallow - 一个子

尝试极好！这很好用 – Guerrilla

'user-agent。*：（。*）（[\ r？\ n] \ s *。* disallow）'也可以用于linux行尾？ – Guerrilla

@Guerrilla从'[\ r？\ n]'中删除'？''。 '[\ r？\ n]'模式匹配CR，'？'或LF。只需'[\ r \ n] \ s *'就够了。任何换行符都以'\ r'或'\ n'开始，因此'[\ r \ n]'将匹配它的起始部分（在Windows中，CRLF是换行符）或整个换行符（在Unix/Linux，LF，在MacOS早期版本中，CR）和'\ s *'将匹配剩下的剩余空白。 –

答

您的问题似乎是，你不匹配User-agent: *和Disallow之间的换行符。

像这样的正则表达式应该工作：/^user-agent: (.*)$[\s]^disallow: (.*)$/igm

此正则表达式将捕获的User-agent的价值和Disallow的价值，并会与任何类型的换行的工作。的igm标志的意思是区分我 nsensitive，摹叶形和中号 ultiline

可以使用regexr测试。

答

可以使用SingleLine选项和以下正则表达式：

String pattern = @"user-agent[^\r\n]*: ([^\r\n]+)[\r\n]+disallow[^\r\n]*: ([^\r\n]+)[\r\n]+"; 

    foreach (Match match in Regex.Matches(robots, pattern, RegexOptions.IgnoreCase | RegexOptions.Singleline)) 
    { 
     Console.Out.WriteLine("---------"); 
     Console.Out.WriteLine("Match: `" + match.ToString() + "`"); 
     foreach (Group grp in match.Groups) 
     { 
      Console.Out.WriteLine(" Group: ``" + grp.ToString() + "``"); 
     }    
    }

打破图案：

甲字面user-agent后跟任意数量的非CRLF字符，随后GY一个冒号，然后空间。 user-agent[^\r\n]*:

至少有一个非CRLF字符作为一个组。 ([^\r\n]+)

至少一个CRLF字符。 [\r\n]+

甲字面disallow后跟任意数量的非CRLF字符，随后GY一个冒号，然后一个空间。 disallow[^\r\n]*:

至少非CRLF字符为一组。 ([^\r\n]+)

至少一个CRLF字符。 [\ r \ n] +

SingleLine选项表示“将输入视为单行”。 [了`用户代理*：（*）（。\ n *不允许）`正则表达式演示]

让正则表达式匹配过去行结尾

相关推荐