如何编写可在文本及二进制数据中检测密码的PCRE正则表达式？

你的核心问题是原正则依赖空白字符作为边界，但二进制数据里的密码往往没有空白包围，甚至嵌在乱码字节中，所以需要移除空白相关的断言，调整为基于密码字符集的匹配逻辑。

修改后的PCRE正则 #

(?=(?:.*[a-z]))(?=(?:.*[A-Z]))(?=(?:.*\d))(?=(?:.*[[:punct:]]))[a-zA-Z\d[:punct:]]{10,}

关键调整说明 #

• 移除了原正则中的(?<!\S)和(?!\S)空白边界断言，不再依赖周围的空白字符，直接匹配连续的符合规则的字符序列。
• 四个正向预查(?=(?:.*[x]))分别确保序列包含小写字母、大写字母、数字、标点符号，满足你的密码规则。
• 最后用[a-zA-Z\d[:punct:]]{10,}匹配连续的、属于密码字符集的序列，长度至少10位。

优化建议（减少误报） #

二进制数据中容易出现大量类似密码的乱码序列，可通过以下方式优化：

• 限制最大长度：把{10,}改成{10,30}，因为真实密码一般不会超过30位，过滤过长的乱码。
• 增加非密码字符边界：如果要避免匹配长序列中的子串，可添加负向断言确保前后不是密码字符：

  (?:(?<![a-zA-Z\d[:punct:]])|^)(?=(?:.*[a-z]))(?=(?:.*[A-Z]))(?=(?:.*\d))(?=(?:.*[[:punct:]]))[a-zA-Z\d[:punct:]]{10,30}(?:(?![a-zA-Z\d[:punct:]])|$)
  

内容的提问来源于stack exchange，提问作者jpe