用于搜索和替换 lua 中的模式的字符串模式或字符串操作

Question

我获得了系统上的域列表，我只需要将包含“domain\username”的模式替换为“*”。

到目前为止，我可以使用 string.gsub() 用 * 屏蔽域名，但是我应该添加什么模式以确保域\用户名的任何存在都被 * 替换

示例： 如果系统上有 2 个域 test.com 和 work-user.com 和用户为 admin 和 guest > 一个文件包含以下详细信息：

用户尝试从 TEST\admin 登录；但应该从工作用户\用户 1 登录，没有用于测试\访客的日志，帐户。 域 test.com 和 WORK-USER.org 处于活动状态，而 TESTING 域处于非活动状态。

那么输出应该是这样的：

用户尝试从 ********* 登录；但应该从 ********\user1 登录，没有用于测试的日志\*****，帐户。 域 ****.com 和 *********.org 处于活动状态，而 TESTING 域处于非活动状态。

由于 Testing 和 user1 不是该系统上的域和用户名，因此不应替换它们。

我有逻辑以任何给定的格式独立替换用户名和域名，但是当它是域\用户名的格式时，我无法替换它。

我必须在获得域名后添加一些逻辑\模式，使其符合上述要求。 你能告诉我如何进行吗？

我尝试了以下代码：

test_string="User tried to login from TEST\\admin; but should have logged in from work-user\\user1, No logs present for testing\\guest, account. The domain test.com and WORK-USER.org are active and TESTING domain in inactive" s= "test" t=( string.gsub(s.."$DNname", "%$(%w+)", {DNname="\\([%w_]+)"}) ) n=( string.gsub(s.."$DNname", "%$(%w+)", {DNname="\\([%a%d]+)([%;%,%.%s]?)"}) ) print (t) print(n) r=string.match(test_string,t) res=string.match(test_string,n) print(r) print(res)

它正在打印 nil，并且无法匹配任何模式

Answer 1

首先让我们谈谈为什么您的代码不起作用。

一方面，你的模式都有一个反斜杠，所以你马上就会错过任何没有反斜杠的东西：

print(t) -- test\([%w_]+)
print(n) -- test\([%a%d]+)([%;%,%.%s]?)

但是还有另一个问题。唯一应该在您的测试消息中匹配的反斜杠是 TEST\admin。但是这里的TEST都是大写的，而且模式匹配是区分大小写的，所以你不会找到的。

因此，答案的第一部分是创建一个不区分大小写的模式。这可以按如下方式完成：

s= "[Tt][Ee][Ss][Tt]"

在这里，我将每个字母替换为匹配大写或小写字母的字符类。

如果我们在原始消息中寻找这种模式会发生什么？我们将遇到一个不幸的问题：我们会发现测试和测试。看来您在编写“([%;%,%.%s]?)”时可能已经遇到过这个问题。

更好的方法是边界模式。 （请注意，边界模式在 Lua 5.1 中是一个未记录的功能。我不确定它是否在 Lua 5.0 中。它在 Lua 5.2 中成为了一个记录功能。）

边界模式接受一个字符集，并且只匹配字符之间的空格，其中前一个字符不在该集中，而下一个字符在该集中。这听起来很复杂，但基本上它可以让您找到单词的开头或结尾。

要使用边界模式，我们需要弄清楚域或用户名可能是什么样子。我们可能无法完美地做到这一点，但在实践中，过度贪婪应该没问题。

s = "%f[%w-][Tt][Ee][Ss][Tt]%f[^%w-]"

这个新模式将匹配“TEST”和“test”，但不会匹配“TESTING”或“testing”。

在继续之前，让我们先看看像您的“工作用户”这样的域可能会出现的问题。字符“-”在模式中具有特殊的含义，所以我们必须对其进行转义。所有特殊字符都可以通过在前面添加“%”来转义。因此，我们的工作-用户模式如下所示：

s = "%f[%w-][Ww][Oo][Rr][Kk]%-[Uu][Ss][Ee][Rr]%f[^%w-]"

嗯，这些模式写起来有点糟糕，所以让我们尝试编写一个函数来为我们完成它：

function string_to_pattern(str, frontier_set, ci)
  -- escape magic characters
  str = str:gsub("[][^$()%%.*+-?]", "%%%0")

  if ci then
    -- make the resulting pattern case-insensitive
    str = str:gsub("%a", function(letter)
      return "["..letter:upper()..letter:lower().."]"
    end)
  end

  if frontier_set then
    str = "%f["..frontier_set.."]"..str.."%f[^"..frontier_set.."]"
  end
  return str
end

print(string_to_pattern("work-user", "%w-", true))
  -- %f[%w-][Ww][Oo][Rr][Kk]%-[Uu][Ss][Ee][Rr]%f[^%w-]

我现在要提一下极端情况：这种模式将不匹配“-work-user”或“work-user-”。根据生成的消息类型，这可能可以或不可以。您可以将“-”从边界集中取出，但随后您将匹配例如“我的工作用户”。你可以决定这是否重要，但我还没想过如何使用 Lua 的模式匹配语言来解决它。

现在，我们如何用 * 替换匹配项？这部分很简单。内置的 string.gsub 函数将允许我们将匹配的模式替换为其他字符串。我们只需要生成一个包含与字符一样多的 * 的替换字符串。

function string_to_stars(str)
  return ("*"):rep(str:len())
end

local pattern = string_to_pattern("test", "%w-", true)
print( (test_string:gsub(pattern, string_to_stars)) )

现在，还有最后一个问题。我们可以匹配域中的用户。例如：

-- note that different frontier_set here
-- I don't know what the parameters for your usernames are,
-- but this matches your code
local pattern = string_to_pattern("admin", "%w_", true)
print( (test_string:gsub(pattern, string_to_stars)) )

但是，即使我们单独替换所有域和用户名，“TEST\admin”中“TEST”和“admin”之间的反斜杠也不会被替换。我们可以这样做：

test_string:gsub("%*\\%*","***")

这会将最终输出中的“**”替换为“***”。但是，这不是很健壮，因为它可以替换原始消息中的“**”，而不是我们处理的结果。为了正确地做事，我们必须遍历所有域+用户对并执行以下操作：

test_string:gsub(domain_pattern .. "\\" .. user_pattern, string_to_stars)

请注意，这必须在任何其他替换之前完成，否则域和用户名将已被替换，并且无法再匹配。

现在问题已经通过这种方式解决了，让我建议一种替代方法，它反映的内容更像是我从头开始编写的内容。我认为它可能更简单，更具可读性。与其使用模式匹配来准确地找到我们的域和用户名，不如只匹配可能是域或用户名的令牌，然后检查它们是否完全匹配。

local message = -- broken into multiple lines only for
                -- formatting reasons
  "User tried to login from TEST\\admin; but should "
  .."have logged in from work-user\\user1, No logs present "
  .."for testing\\guest, account. The domain test.com and "
  .."WORK-USER.org are active and TESTING domain in inactive"

-- too greedy, but may not matter in your case
local domain_pattern = "%w[%w-]*"
-- again, not sure
local user_pattern = "[%w_]+"

-- for case-insensitivity, call :lower before inserting into the set
local domains = {["test"]=true, ["work-user"]=true}
local users = {["admin"]=true, ["guest"]=true}

local pattern = "(("..domain_pattern..")\\("..user_pattern.."))"
message = message:gsub(pattern, function(whole, domain, user)
  -- only call lower if case-insensitive
  if domains[domain:lower()] and users[user:lower()] then
    return string_to_stars(whole)
  else
    return whole
  end
end)

local function replace_set(message, pattern, set, ci)
  return (message:gsub(pattern, function(str)
    if ci then str = str:lower() end
    if set[str] then
      return string_to_stars(str)
    else
      return str
    end
  end))
end

message = replace_set(message, domain_pattern, domains, true)
message = replace_set(message, user_pattern, users, true)

print(message)

请注意此示例中的模式是多么简单。我们不再需要像“[Tt]”这样的不区分大小写的字符类，因为在匹配之后通过使用 string.lower 强制两个字符串都为小写来检查不区分大小写（这可能不是最有效的，但是，嘿，这是卢阿）。我们不再需要使用边界模式，因为贪婪匹配可以保证我们得到完整的单词。反斜杠的情况仍然很奇怪，但我已经按照我上面建议的“稳健”方式处理了它。

最后一点：我不知道您这样做的确切原因，但我可能猜到这是为了防止某人看到域或用户名。用 * 替换它们不一定是最好的方法。首先，如果您的消息（例如）用字母分隔，则以这些方式进行匹配可能会出现问题。对于用户友好的消息来说，这似乎不太可能，但我不知道当安全受到威胁时，你是否应该指望这件事。另一件事是您没有隐藏域或用户名的长度。这也可能是不安全的主要来源。例如，用户可能合理地猜测 ***** 是“admin”。