能否用CodeQL提取Ruby项目全部正则表达式？求可行方案

一、CodeQL 全量提取方案 #

你当前使用的CodeQL查询是针对ReDoS风险的安全分析查询，只会返回存在指数级回溯风险的正则表达式片段，因此无法获取全量结果。要提取所有正则表达式，需要修改查询逻辑，直接匹配Ruby代码中所有正则表达式节点：

基础全量查询 #

import codeql.ruby.Regexp

from RegExp re
select re.getLocation(), "正则表达式内容: " + re.getSource()

该查询会返回项目中所有正则表达式的位置和内容，涵盖两种常见定义方式：

• 字面量形式：/pattern/、%r{pattern}
• 构造函数形式：Regexp.new("pattern")

进阶：区分正则类型（可选） #

如果需要区分不同定义方式的正则，可以细化查询：

import codeql.ruby.Regexp
import codeql.ruby.Ast

from RegExp re
select 
  re.getLocation(),
  re.getSource(),
  case
    re instanceof RegExpLiteral then "字面量定义"
    re instanceof RegExpConstructorCall then "构造函数定义"
    else "其他类型"
  end as 定义方式

二、非CodeQL方案 #

1. Ruby AST静态分析脚本 #

使用parser gem解析Ruby代码的抽象语法树（AST），精准定位所有正则表达式节点，支持处理复杂场景（如插值正则/pattern#{var}/）。

步骤：

1. 安装依赖：gem install parser
2. 运行以下脚本：

require 'parser/current'

def extract_regexes(file_path)
  buffer = Parser::Source::Buffer.new(file_path)
  buffer.source = File.read(file_path)
  ast = Parser::CurrentRuby.parse(buffer)

  regexes = []

  processor = Class.new(Parser::AST::Processor) do
    attr_accessor :regexes

    def initialize(regexes)
      @regexes = regexes
      super()
    end

    # 处理字面量正则（/.../、%r{...}）
    def on_regexp_literal(node)
      regex_content = node.children.first.source
      regexes << { type: "字面量", content: regex_content, line: node.loc.line }
      super(node)
    end

    # 处理Regexp.new构造的正则
    def on_send(node)
      if node.method_name == :new && node.receiver&.type == :const && node.receiver.children.first == :Regexp
        first_arg = node.children[2]
        if first_arg&.type == :str
          regexes << { type: "构造函数", content: first_arg.children.first, line: node.loc.line }
        elsif first_arg&.type == :dstr # 处理动态字符串参数
          regexes << { type: "动态构造", content: first_arg.loc.source, line: node.loc.line }
        end
      end
      super(node)
    end
  end.new(regexes)

  processor.process(ast)
  regexes
end

# 遍历项目中所有Ruby文件
Dir.glob("./**/*.rb").each do |file|
  next if File.directory?(file)
  puts "\n=== #{file} ==="
  extract_regexes(file).each do |r|
    puts "行#{r[:line]} [#{r[:type]}]: #{r[:content]}"
  end
end

2. 命令行grep快速扫描 #

适合不需要精准分析的场景，通过正则匹配常见的Ruby正则写法：

# 匹配字面量正则（包括/.../和%r{...}）
grep -rE '/[^/]+/|%r\[[^\]]+\]|%r\{[^\}]+\}' --include="*.rb" ./your-ruby-project

# 匹配Regexp.new构造的正则
grep -rE 'Regexp\.new\(["'\''"].*["'\'']\)' --include="*.rb" ./your-ruby-project

⚠️ 局限性：无法区分字符串中的/和真实正则，也无法处理动态生成的正则（如变量拼接的模式）。

内容的提问来源于stack exchange，提问作者Kakashi77