用于网络提取的正则表达式。积极的前瞻问题

Question

以下是我正在使用的一些数据的示例。我已经阅读了许多涉及此主题的帖子，并在 regex101 上尝试了一段时间。

BotInfo[-]: Source IP:[10.1.1.100] Target Host:[CentOS70-1] Target OS:[CentOS
7.0] Description:[HTTP Connection Request] Details:[10.1.1.101 - - [28/May
/2013:12:24:08 +0000] "GET /math/html.mli HTTP/1.0" 404 3567 "-" "-" ] Phase:
[Access] Service:[WEB]

目标是拥有两个捕获组。一个用于标记（例如源 IP、目标主机、描述等），另一个用于包含在最外面方括号中的内容。

吸引我的是“最外层”，因为 Details 标签的内容中有方括号。

这是我目前在上述正则表达式方面的进展。我正在使用 /g 标志：

\s?([^:]+):\[(.*?(?=\]\s.*?:\[))\]

这可以处理除边缘情况之外的所有事情（它比需要的更复杂，因为我一直在尝试让边缘情况工作）。

我当前的前瞻（\]\s.*?:\[），在高层次上，是匹配结束左括号，然后匹配下一个标签。另一个问题是这在最后一场比赛中失败了，因为没有以下标签。

---

编辑：请求成功输出的示例。使用提供的数据，目标是让两个捕获组产生这些对：

MATCH 1
1.  `Source IP`
2.  `10.1.1.100`
MATCH 2
1.  `Target Host`
2.  `CentOS70-1`
MATCH 3
1.  `Target OS`
2.  `CentOS 7.0`
MATCH 4
1.  `Description`
2.  `HTTP Connection Request`
MATCH 5
1.  `Details`
2.  `10.1.1.101 - - [28/May/2013:12:24:08 +0000] "GET /math/html.mli HTTP/1.0" 404 3567 "-" "-" `
MATCH 6
1.  `Phase`
2.  `Access` 
MATCH 7
1.  `Service`
2.  `WEB`

Answer 1

从this answer 对嵌套模式的启发很大，我最终得到了这个带有Demo here 的正则表达式：

\s*([\w ]+):\s*(\[((?>[^[\]]+|(?2))*)\])

主要思想是尽可能重复括号的匹配（如果找到左括号或右括号，则用（？2）重复。您要查找的数据实际上在第一个和第三个捕获中组，第二个是用括号捕获以使递归正确发生。

正则表达式的详细信息：

• \s* 匹配（并丢弃）字段前的所有空格
• ([\w ]+):捕获字段名（都在:)之前
• \s* 再次丢弃字段前的任何空格
• (\[ 第二个捕获组的开始并匹配一个乱码[
• ((?>[^[\]]+ 第三个捕获组的开始，原子匹配（阻止回溯以避免无限循环）应该匹配除括号之外的任何内容
• |(?2))如果我们找到了一个括号，请尝试重新匹配整个第二组
• *) 重复原子组 0 次或无限次，交替获取嵌套括号并结束第三个捕获组
• \]) 我们的最后一个括号，用于匹配并结束用于原子匹配交替的第二个捕获组。