所有站点都没有子网的IP Regex

Question

作为我公司项目的一部分，我需要从一些网站提取不包括子网(例如196.82.1.12/24)的IP地址。

如果地址包含子网，我不想抓住进行子网的部分，但根本不接受它。

例如，在以下情况下：

<td>212.179.35.154</td>
<td>200.139.97.126/24</td>
<td>"201.139.97.126"</td>
<td>F5 BIG-IP</td>
<td>unknown</td>
<td class="date">26-Feb-2011</td>

预期的产出将是：

212.179.35.154

201.139.97.126

请注意，一些行包含围绕IP地址的引号，但是由于没有后续的/NUMBER，它们是有效的。

现在，我正试图找到一个合适的正则表达式，例如：

(<td>(\d+\.){3}\d+<\/td>)
\d{1,3}\.\d{1,3}\.\d{1,3}\.\d{1,3}[^\/]

然而，它们的内部似乎都有缺陷。

提前感谢！

Answer 1

您可以使用，通过使用模式语法(?!...)，如下所示：

import re

s = """
<td>212.179.35.154</td>
<td>200.139.97.126/24</td>
<td>"201.139.97.126"</td>
<td>F5 BIG-IP</td>
<td>unknown</td>
<td class="date">26-Feb-2011</td>
"""

pattern = r"\d{1,3}\.\d{1,3}\.\d{1,3}\.\d{1,3}(?!\d*\/)"

print(re.findall(pattern,s))

输出：

['212.179.35.154', '201.139.97.126']

(?!\d*\/)部分告诉它“如果后面跟着任何数字和正斜杠，就不匹配前面的模式”。

( \d*部分是因为否则它将在200.139.97.126/24之外匹配200.139.97.12 (没有6) )

注意:你的原始模式将不仅仅是合法的IP地址匹配，但我同意你的方式。

Answer 2

对我来说，这似乎是一项负展望的任务。我会这样做：

import re
txt = '''<td>212.179.35.154</td>
<td>200.139.97.126/24</td>
<td>"201.139.97.126"</td>
<td>F5 BIG-IP</td>
<td>unknown</td>
<td class="date">26-Feb-2011</td>'''
pattern = r"\d{1,3}\.\d{1,3}\.\d{1,3}\.\d{1,3}(?![0-9/])"
found = re.findall(pattern, txt)
print(found)

输出：

['212.179.35.154', '201.139.97.126']

通过使用负前瞻性(?![0-9/])，我们说:排除匹配，如果它们后面跟着0或1或2或3或4或5、6或7或8或9或/。请注意，在这里包含数字非常重要，因为如果只指定/一个匹配项，则如下所示：

200.139.97.12

(最后请注意缺少6 )