使用正则表达式查找不包含特定字符串的条目

日志分析往往需要处理成千上万个日志条目，为了在海量数据中找到特定的数据模式，往往需要编写许多复杂的正则表达式。例如，枚举日志文件中不包含特定字符串的条目，找出不以特定字符串开头的条目，等等。

使用消极预见

正则表达式中有前瞻和后视的概念，生动地描述了正则引擎的匹配行为。需要注意的是，正则表达式前后和我们一般理解的前后有些不同。对于一段文字，我们通常把文字开头的方向称为“前”，把文字结尾的方向称为“后”。但是对于正则表达式引擎来说，因为它是从文本的头部到尾部进行解析的(解析方向可以通过正则选项来控制)，所以文本的尾部方向叫做“前”，因为此时正则引擎还没有到达那个块，而文本的头部方向叫做“后”，因为正则引擎已经通过了那个块。如下图所示：

所谓前瞻，就是在正则表达式匹配某个字符时，先向前看“未解析的文本”，看它是否匹配/不匹配匹配模式，然后再向后看，也就是看已经被正则引擎匹配的文本，看它是否匹配/不匹配匹配模式。符合或不符合特定的匹配模式也称为正匹配和负匹配。

现代先进的正则表达式引擎一般都支持前瞻，但是对回溯的支持不是很广泛，所以我们在这里使用负前瞻来满足我们的需求。

实现

测试数据：

复制代码如下：2009-07-07 04:38336044 127 . 0 . 0 . 1 get/robots . txt 2009-07-07 04336038336044 127 . 0 . 0 . 1 get/post/robot file . txt 2009。

例如，上面这些简单的日志条目，我们希望实现两个目标：

1.过滤掉8号数据。2.找出不包含robots.txt字符串的条目(只要Url包含robots.txt，就将其过滤掉)。

前瞻性语法是：

(?匹配模式)让我们首先认识到，第一个目标——匹配不以特定字符串开头的条目。

这里我们要排除一个连续的字符串，所以匹配的模式很简单，就是2009-07-08。实施如下：

复制代码如下：(？2009-07-08).*?$

有了Expresso，我们可以看到8号的结果确实过滤掉了数据。

接下来，让我们实现第二个目标，——，排除包含特定字符串的条目。

根据我们上面写的，我画了瓢：

复制代码如下：*?(?机器人。txt)。*?$

这个正则化用白话来描述：从任意字符开始，然后不跟随robots.txt连续字符串，然后跟随任意字符，然后结束字符串。运行测试，发现：

它没有达到我们想要的。这是为什么？让我们在上面的正则表达式中添加两个捕获组进行调试：

复制代码如下：(。*?)(?机器人。txt)(。*?)$

测试结果：

我们可以看到第一个分组什么都不匹配，而第二个分组匹配整个字符串。回去分析一下刚才的正则表达式。事实上，当常规引擎解析到A区域时，它已经开始执行B区域的前瞻工作。这时发现当A区域为Null时，匹配成功，——。*最初允许匹配空字符，并且满足前瞻条件。A区之后是“2009”字符串，而不是机器人。因此，整个匹配过程成功地匹配了所有条目。

分析原因后，对上述规律进行了修正和改变。*?按如下方式移入前瞻表达式：

复制代码如下：(？*?机器人)。*$

测试结果：

完成

php中的常规实现不包括特定字符串的实现方法

preg_match('/^((？abc)。)*$/is '，$ str)；

完整的代码示例

复制代码如下： $ str=' dfadfadf 765577 ABC 55 FD '；$pattern_url='/^((？abc)。)* $/is '；If (preg _ match ($ pattern _ URL，$ str)) {echo '不包含abc！'；}else{echo '包含abc！'；}

结果是：假用abc！

同时匹配且包含字符串“abc”但不包含字符串“xyz”的正则表达式：

preg_match('/(abc)[^((？xyz)。)*$]/is '，$ str)；

这个方法很有效，我的用法如下：

(?(?\/div)。|\n)*？//匹配不带/div的字符串

但是在最后的使用中发现，这种方法的效率极低，在处理很短的词时可以考虑(正则表达式的同一个部分匹配的词有十几个，最多几十个)，但是在分析大篇幅文章或者很多地方改变匹配时间时就不应该使用，而应该考虑其他方法(例如，首先分析要匹配正则表达式的单词，然后验证其中是否有某一段单词)，正则表达式不包括用于匹配