今天遇到一个问题,从漏扫导出的报告中的cnnvd的链接都是无效链接,于是想写个脚本,把上面的链接都替换一下。开始查了regex模块的内容,以为需要subfn函数,可是subfn函数需要用format,在网上搜索subfn python format,没有搜索到内容。在subfn的使用上我卡了很久。
后来重新搜索regex的replace内容,发现不需要用subfn,只需要用sub函数就可以。
sub支持\1 \2 \3...保留原字符串中的内容。用括号把原字符串中需要保留的内容括起来,然后在\1 \2 \3...把它们加上,就可以保留在新字符串中了。
举例:
我要把<a href="http://www.cnnvd.org.cn/vulnerability/show/cv_id/201408058" target="_blank">CNNVD-201408-058</a>,替换为:<a href="http://www.cnnvd.org.cn/web/xxk/ldxqById.tag?CNNVD=CNNVD-201408-058" target="_blank">CNNVD-201408-058</a>
我的pattern是这样写的:
pattern = re.compile(r"(<a href=\"http://www.cnnvd.org.cn/)vulnerability/show/cv_id/\d+(\" target=\"_blank\">)(CNNVD-\d+-\d+)(</a>)", re.DOTALL)
再加上sub的语句:pattern.sub(r"\1web/xxk/ldxqById.tag?CNNVD=\3\2\3\4", s)
结果就正确输出了。
特别注意:没有匹配的部分,会继续保留到新字符串中。
正则的pattern要尽量简单,尽量短。以减少漏结果。
另外,python的lstrip函数,遇到.会出错,具体原因不详。