如何用正则从4GB二进制文件中查找特定十六进制模式并获取偏移

原正则表达式的错误点 #

1. 字符集误用：你写的[E500608FE0]是字符集匹配逻辑，只会匹配括号内的单个字符，而非完整的固定十六进制串E500608FE0，这是匹配失败的核心原因。
2. 大小写不匹配：代码中将二进制数据转成了大写十六进制（.upper()），但正则使用[a-f0-9]的小写范围，无法匹配大写字符。
3. 模式结构错误：目标模式的固定段是10个十六进制字符（对应5字节），原正则的写法没有正确对应这个长度的完整字符串。

修正后的完整代码 #

以下代码修复了正则问题，同时实现了你需要的偏移量获取功能：

import re

# 正则对应目标模式：3个任意字节(6位十六进制) + 固定段1 + 3个任意字节(6位十六进制) + 固定段2
pattern = re.compile(r"[A-F0-9]{6}E500608FE0[A-F0-9]{6}E5040080E0")

with open("file.bin", 'rb') as in_file:
    current_offset = 0
    while True:
        # 每次读取16字节（刚好等于目标模式总长度：3+5+3+5=16字节）
        chunk = in_file.read(16)
        if not chunk:
            break
        hex_data = chunk.hex().upper()
        if pattern.search(hex_data):
            print(f"找到匹配，偏移量：0x{current_offset:X}（十进制：{current_offset}）")
        current_offset += len(chunk)

额外优化提示 #

如果目标模式存在跨16字节块的可能（比如前一个块的末尾字节和后一个块的开头字节组成完整模式），上述固定块读取的方式会漏匹配，可改用滑动窗口读取：

import re

pattern = re.compile(r"[A-F0-9]{6}E500608FE0[A-F0-9]{6}E5040080E0")
target_length = 16
buffer = b""

with open("file.bin", 'rb') as in_file:
    current_offset = 0
    while True:
        byte = in_file.read(1)
        if not byte:
            break
        buffer += byte
        # 缓冲区达到目标长度时检查匹配
        if len(buffer) == target_length:
            hex_data = buffer.hex().upper()
            if pattern.search(hex_data):
                print(f"找到匹配，偏移量：0x{current_offset:X}（十进制：{current_offset}）")
            # 滑动窗口：移除第一个字节，继续后续匹配
            buffer = buffer[1:]
            current_offset += 1

内容的提问来源于stack exchange，提问作者Abdul Moez