Skip to main content
 首页 » 编程设计

python之匹配文件中的行并在 Python 上解析它们

2025年05月04日6小虾米

我有一个包含不同行的文件,我只想从每一行(而不是全部)中获取一些信息,这里是文件外观的示例:

18:10:12.960404 IP 132.227.127.62.12017 > 134.157.0.129.53: 28192+ A? safebrowsing-cache.google.com. (47) 
18:10:12.961114 IP 134.157.0.129.53 > 132.227.127.62.12017: 28192 12/4/4 CNAME safebrowsing.cache.l.google.com., A 173.194.40.102, A 173.194.40.103, A 173.194.40.104, A 173.194.40.105, A 173.194.40.110, A 173.194.40.96, A 173.194.40.97, A 173.194.40.98, A 173.194.40.99, A 173.194.40.100, A 173.194.40.101 (394) 
18:13:46.206371 IP 132.227.127.62.49296 > 134.157.0.129.53: 47153+ PTR? b._dns-sd._udp.upmc.fr. (40) 
18:13:46.206871 IP 134.157.0.129.53 > 132.227.127.62.49296: 47153 NXDomain* 0/1/0 (101) 
18:28:57.253746 IP 132.227.127.62.54232 > 134.157.0.129.53: 52694+ TXT? time.apple.com. (32) 
18:28:57.254647 IP 134.157.0.129.53 > 132.227.127.62.54232: 52694 1/8/8 TXT "ntp minpoll 9 maxpoll 12 iburst" (381) 
....... 
....... 

它实际上是 DNS 请求的输出,所以我想从中提取这些元素: [timestamp], [srcip], [src prt], [dst ip], [dst prt], [domaine (if existing)], [related ips addresses]

在查看网站旧主题后,我发现 re.match() 是一种非常有用的方法,但是正如您看到的每一行都不同,我有点迷茫,一些帮助会很大,这是我到目前为止编写的代码,它是正确的:

def extractDNS(filename): 
    objList = [] 
    obj = {} 
 
    with open(filename) as fi: 
        for line in fi: 
            line = line.lower().strip() 
 
            #18:09:29.960404 
            m = re.match("(\d+):(\d+):(\d+.\d+)",line) 
            if m: 
                obj = {}        #New object detected 
                hou = int(m.group(1)) 
                min = int(m.group(2)) 
                sec = float(m.group(3)) 
                obj["time"] = (hou*3600)+(min*60)+sec 
                objList.append(obj) 
 
            #IP 134.157.0.129.53 
            m=re.match("IP\s+(\d{1,3}\.\d{1,3}\.\d{1,3}.\d{1,3}).(\d+)",bb) 
            if m: 
                obj["dnssrcip"]     = m.group(1) 
                obj["dnssrcport"]   = m.group(2) 
 
            # > 134.157.0.129.53:        
            m = re.match("\s+>\s+(\d{1,3}\.\d{1,3}\.\d{1,3}.\d{1,3}).(\d+):",line) 
            if m:  
                obj["dnsdstip"]     = m.group(1) 
                obj["dnsdstport"]   = m.group(2) 
 
 
    tstFile3=open("outputFile","w+") 
    tstFile3.write("%s\n" %objList) 
    tstFile3.close() 
 
extractDNS(sys.argv[1]) 

我知道我必须在这之后做 if else 语句,因为它们之后的内容每次都不一样,我在 3 种情况下展示了我在每个 dns 输出文件中通常得到的情况,它们是:
- 一个?然后是 CNAME、确切的域和 IP 地址,
- PTR?后跟 NXDOmain,表示域不存在,所以我将忽略这一行,
- TXT?后跟一个域,但它只给出单词,所以我将忽略这一二

我只想要他们的响应包含 IP 地址的请求,在本例中是 A?

请您参考如下方法:

如果您知道前 5 列始终存在,为什么不拆分行并直接处理它们(使用 datetime 作为时间戳,并手动解析 IP 地址/端口)。然后,您可以使用您的正则表达式来仅匹配 CNAME 记录和该字段中您感兴趣的内容。如果您不打算实际使用输出,则无需对不同的可能性进行正则表达式扫描。所以,如果它与 CNAME 形式不匹配,那么您不关心它会如何处理。至少,听起来是这样。