如何使用CSV存储的正则正确遍历匹配源CSV的进程命令行数据
正则匹配失效的核心原因
- 规则存储内容完全错误
你存在dynamic_patterns.csv里的规则带了大量无关冗余内容,直接导致匹配失效:- 混入HTML转义实体
":这是网页端的双引号转义占位符,正则会把它当字面字符串匹配,正常进程命令行里根本不存在这串字符,自然匹配不到Chrome进程 - 错误保留Python代码的raw字符串语法标记:csv存储的是纯文本,没有代码执行逻辑,你写的
r'xxx'会被原样读成带r前缀、外层包裹单引号的普通字符串,正则匹配时会去搜这些语法标记字符,根本匹配不到目标路径 - 转义层级混乱:规则里的反斜杠转义次数不对,导致正则实际匹配的字符和目标字符串的字符对不上
- 混入HTML转义实体
- 原有匹配逻辑存在结构性漏洞
- 分类判断逻辑错误:原来的代码是循环每个规则时,只要当前规则没匹配上命令行,就把命令行加到
not_matched集合里,哪怕后续其他规则能匹配成功,也会被错误归类 - 结果重复问题:同一个命令行如果匹配到多个规则,会被重复追加到
matched_dynamic_pattern列表里,导致结果出现大量重复条目
- 分类判断逻辑错误:原来的代码是循环每个规则时,只要当前规则没匹配上命令行,就把命令行加到
正则规则的正确存储要求
dynamic_patterns.csv每行只需要存纯正则表达式内容,不要加任何Python代码语法标记、HTML转义字符。
比如你要匹配Chrome带--type参数的进程,目标字符串是C:\Program Files (x86)\Google\Chrome\Application\chrome.exe --type,正确的规则行直接写:C:\\Program Files \\(x\\d\\d\\)\\Google\\Chrome\\Application\\chrome\.exe\s--type
注:以上双反斜杠是正则语法本身的要求(匹配实际路径中的单个反斜杠、匹配字面括号和点号),不需要额外添加r前缀、单引号、HTML转义字符。
修正后的可落地实现代码
import csv import re matched_dynamic_pattern = set() not_matched = set() # 显式指定UTF-8编码读取,避免Windows环境下中文/特殊字符读乱 with open('processes.csv', 'r', encoding='utf-8') as t1, open('dynamic_patterns.csv', 'r', encoding='utf-8') as t3: # 读取所有非空的进程命令行条目 commands = set() reader = csv.DictReader(t1, dialect='excel', delimiter=',') for row in reader: cmd = row['Command Line'].strip() if cmd: commands.add(cmd) # 预编译正则规则,大量匹配场景下能大幅提升运行效率 dynamic_patterns = [] for line in t3.read().splitlines(): line = line.strip() if line: dynamic_patterns.append(re.compile(line)) # 逐行遍历命令行条目做匹配 for command in commands: is_matched = False for pattern in dynamic_patterns: if pattern.search(command): is_matched = True break # 匹配到任意规则就中断循环,减少无效计算 if is_matched: matched_dynamic_pattern.add(command) else: not_matched.add(command)
优化点说明
- 用集合代替列表存储匹配结果,自动对条目去重,不需要额外写判断逻辑
- 匹配成功后立刻中断规则遍历,不需要循环完所有规则,降低运行耗时
- 移除了原来冗余的“判断命令行是否在规则集合里”的逻辑——正则规则是模式匹配规则,和精确字符串比对属于两个维度的判断,完全没有必要存在
内容的提问来源于stack exchange,提问作者test_qweqwe
相关产品推荐
相关产品推荐

