正则表达式4视频里爬取ip的疑问

丶霁灵

小甲鱼的视频中爬取IP地址用的正则表达式：

r'(?:(?:[0,1]?\d?\d?|2[0,4]\d|25[0,5]\.){3}(?:[0,1]?\d?\d?|2[0,4]\d|25[0,5]))'

被弹幕指出IP地址最后一位数超过200就会出现BUG
然后改成先匹配高位数字就可以解决
我一直没搞懂是为什么？

小小小菜菜菜

因为匹配时按照正则表达式的顺序去匹配，匹配的时候又是按照字符去匹配，所以255去匹配时由于[0,1]?\d?\d?在前所以匹配到就认为匹配通过结束了

丶霁灵

小小小菜菜菜 发表于 2020-3-31 23:58
因为匹配时按照正则表达式的顺序去匹配，匹配的时候又是按照字符去匹配，所以255去匹配时由于[0,1]?\d?\d? ...

是第几位的255匹配第几位的？？

flamezyy

首先你的正则表达式有问题，我不知道是小甲鱼写错了还是你抄错了

r'(?:(?:[0,1]?\d?\d?|2[0,4]\d|25[0,5])\.){3}(?:[0,1]?\d?\d?|2[0,4]\d|25[0,5])'

正确的应该这样写
而这样写会有个问题：

>>> p = r'(?:(?:[0,1]?\d?\d?|2[0,4]\d|25[0,5])\.){3}(?:[0,1]?\d?\d?|2[0,4]\d|25[0,5])'
>>> re.findall(p, '192.168.1.1')
['192.168.1.1']
>>> re.findall(p, '256.255.255.255')
['56.255.255.25']

虽然能正常匹配一般IP，但是当首位和末尾超过255时也会被匹配到，这是因为开始匹配后，虽然256不匹配，但是56匹配到了[0,1]?\d?\d?，所以从56开始，而虽然255匹配到了25[0,5]，但是由于25优先匹配了[0,1]?\d?\d?，所以在25就结束了
解决方法也很简单，加上表示起始的^和表示终止的$即可：

p = r'^(?:(?:[0,1]?\d?\d?|2[0,4]\d|25[0,5])\.){3}(?:[0,1]?\d?\d?|2[0,4]\d|25[0,5])这里是终止符'
>>> re.findall(p, '256.255.255.255')
[]
>>> re.findall(p, '192.168.1.1')
['192.168.1.1']