正则表达式负前瞻为真，然后忽略正则表达式的其余部分

Question

我正在使用以下 IIS 重写规则来阻止尽可能多的机器人。

<rule name="BotBlock" stopProcessing="true">
  <match url=".*" />
  <conditions>
    <add input="{HTTP_USER_AGENT}" pattern="^$|\b(?!.*googlebot.*\b)\w*(?:bot|crawl|spider)\w*" />
  </conditions>
  <action type="CustomResponse" statusCode="403" statusReason="Forbidden" statusDescription="Forbidden" />
</rule>

目标是阻止所有带有部件机器人、爬虫或蜘蛛的用户代理，但允许 Google 机器人。这在一定程度上有效。但问题是，即使在字符串中找到“googlebot”，正则表达式的第二部分也会被触发。

下面一些例子的含义：

 Googlebot/2.1 (+http://www.google.com)

工作正常，googlebot 中的“bot”部分被忽略并且请求被允许。

 Googlebot/2.1 (+http://www.google.com/bot.html)

不起作用，仍然在字符串中的第二个“机器人”上触发，并且请求被阻止

 KHTML, like Gecko; compatible; bingbot

工作正常，在 bingbot 中的机器人上触发并且请求被阻止

那么有人可以帮我更改 rexeg 以便允许带有

Googlebot/2.1 (+http://www.google.com/bot.html)

的字符串吗？

Answer 1

我不熟悉 IIS 的确切正则表达式风格，但是如果您可以启用不区分大小写的正则表达式，则此 应该 可以工作：

^(?!.*googlebot)(?=.*(?:bot|crawl|spider)).*

说明：

• ^

  - 起始线锚点

• (?!.*googlebot)

  - 在我之前，“googlebot”这个词不存在

• (?=.*(?:bot|crawl|spider))

  - 在我面前，存在“机器人”、“爬行”或“蜘蛛”这个词

• .*

  - 捕获整行（在 IIS 规则的上下文中可能没有必要）

负前瞻和正前瞻的组合会在正则表达式中产生隐式

and

条件；两者都必须为 true 才能使正则表达式注册匹配。

https://regex101.com/r/MFKKyU/1