regex - 将多个正则表达式组合成一个/构建小正则表达式以匹配一组固定字符串

Question

情况:

我们创建了一个工具 Google Analytics Referrer Spam Killer ，它会自动向 Google Analytics 添加过滤器以过滤掉垃圾邮件。

这些过滤器排除来自某些垃圾邮件域的流量。现在我们的列表中有 400 多个垃圾域。

为了删除垃圾邮件，我们添加了一个正则表达式(如 domain1.com|domain2.com|..)作为 Analytics 的过滤器，并告诉 Analytics 忽略与此过滤器匹配的所有流量。

问题:

Google Analytics 对每个正则表达式有 255 个字符的限制(每个过滤器一个正则表达式)。因此，我们必须创建大量过滤器来添加所有 400 多个域(现在有 30 多个过滤器)。问题是，还有另一个限制。每天的写操作数。每个新过滤器都是 3 个以上的写入操作。

问题:

我想找到最短的正则表达式来精确匹配另一个正则表达式。

例如你需要匹配以下字符串:

`abc`, `abbc` and `aac`

您可以将它们与以下正则表达式匹配:/^abc|abbc|aac$/、/^a(b|bb|a)c$/、 /^a(bb?|a)c$/等。

基本上我正在寻找一个与 /^abc|abbc|aac$/ 完全匹配但长度较短的表达式。

我找到了 multiregexp ，但据我所知，它不会根据我可以在 Analytics 中使用的另一个表达式创建新的正则表达式。

有没有可以优化正则表达式长度的工具？

Answer 1

我找到了这个在 Linux 上编译的 C 工具:http://bisqwit.iki.fi/source/regexopt.html

super 简单:

$ ./regex-opt '123.123.123.123'
(123.){3}123

$ ./regex-opt 'abc|abbc|aac'
(aa|ab{1,2})c

$ ./regex-opt 'aback|abacus|abacuses|abaft|abaka|abakas|abalone|abalones|abamp'
aba(ck|ft|ka|lone|mp|(cu|ka|(cus|lon)e)s)

我无法运行@sln 建议的工具。它看起来像是一个更短的正则表达式。