Python中的URL模式匹配

Question

我希望写一个程序来匹配URI列表中的恶意URN，问题很简单，但由于Python的基本技能，以及C++之类的知识更少，我不知道从哪里开始，因为谷歌给我留下的工作很少。所以，如果可能的话，Python建议对我来说是最简单的，只要有一点指导就行了，但我会尽可能地去做。

这里是这样的场景:我将有一个CSV的恶意网页，这些恶意网页的URI中通常有一些静态标识符，我需要比较每个字符串中的一些长度(例如4-10)的字符，然后输出任何匹配的字符串。我被困住的部分是如何列出100个URL并对每个URL进行可行的测试。

示例: uri1: hxxp://域名/abcdefghijklmnopqrstuvwxyz uri2: hxxp://域名/0123456789！@#$%^&*()_+-=

因此，循环会将abcd与0123进行比较，然后是1234、3456等。然后bcde到0123，依此类推...显然，在这个示例中没有任何匹配，但更容易说明我期望的代码可能如何工作。

我如何获取100URI并在字符串的每个字符中“爬行”，而不是每个字符都有100-200个条目的100+数组？

Answer 1

你可以使用的是某种函数，给定两个字符串，给出两对n长子字符串：

from collections import deque

def n_wise(s1, s2, length=4):
    i1=iter(s1)
    i2=iter(s2)
    x, y = deque(maxlen=length), deque(maxlen=length)
    for _ in range(length):
        x.append(next(i1))
        y.append(next(i2))
    yield ''.join(x), ''.join(y)
    for a, b in zip(i1, i2):
        x.append(a)
        y.append(b)
        yield ''.join(x), ''.join(y)

然后，您可以迭代进行比较，如下所示：

>>> for left, right in n_wise("abcdefghijk...", "0123456789..."):
        ...