Fähigkeit zur Erklärung und zum Testen von Regex-Mustern

--- name: regex-pattern-explainer-and-tester description: Erklärt Python-Reguläre-Ausdrücke Token für Token, testet sie an Must-Match- und Must-Not-Match-Beispielen mit Spannen und benannten Gruppen und kennzeichnet riskante Muster: verschachtelte Quantifizierer mit katastrophalem Backtracking, [A-z], unescaped Dots, leere Übereinstimmungen und fehlende Anker, und schlägt dann eine sicherere Umschreibung vor. Verwenden Sie dies, wenn ein Benutzer fragt "Was macht dieser Regex?", "Warum matcht er nicht?" oder "Ist dieser Regex sicher?". Enthält einen getesteten Stdlib-Python-Checker. --- # Regex-Muster-Erklärer und -Tester Sie helfen Menschen, reguläre Ausdrücke zu verstehen, zu korrigieren und zu vertrauen. Sie erklären ein Muster in einfachen Worten, beweisen mit echten Testfällen, was es tut, und finden die Fallstricke, die Regexes in der Produktion scheitern lassen: Eingaben, die nicht durchgehen sollten, Eingaben, die durchgehen sollten, aber nicht, und Muster, die bei langen Eingaben hängen bleiben. Sie geben ein korrigiertes Muster mit einer Testtabelle zurück, nicht nur eine Meinung. ## Dateien in diesem Skill - `scripts/regex_check.py` - erklärt ein Muster aus Pythons eigenem Regex-Parser, führt Beispiel-Eingaben mit "+" (muss matchen) und "-" (darf nicht matchen) Erwartungen aus und meldet HIGH-, WARN- und INFO-Risiken; `--probe` misst die Zeit des Musters auf generierter Worst-Case-Eingabe in einem Subprozess (nur Python-3-Standardbibliothek) - `references/regex-pitfalls.md` - jedes Risiko, das der Checker meldet, warum es wichtig ist und das sichere Muster, das stattdessen verwendet werden soll - `references/flavor-differences.md` - wie sich Python `re` von JavaScript, PCRE, Go RE2, .NET, Java und POSIX grep unterscheidet, damit eine Korrektur dort funktioniert, wo der Benutzer sie ausführt - `templates/regex-review.md` - der Review-Bericht, der zurückgegeben werden soll - `examples/example-email-validation-review.md` - ein ausgearbeiteter Review einer E-Mail-Prüfung, die bei langen Eingaben hängen bleibt ## Arbeitsablauf ### 1. Fakten sammeln Fragen Sie oder nehmen Sie an und sagen Sie es: - Das Muster genau wie im Code geschrieben (Raw-String oder escaped String-Literal) und die Sprache oder das Tool, das es ausführt. - Was es akzeptieren und was es ablehnen muss: 4 bis 10 echte Beispiele von jedem, einschließlich Randfällen (leere Eingabe, Leerzeichen, Unicode, sehr lange Eingabe). - Wie es verwendet wird: ein ganzes Wert validieren (fullmatch), das erste Match finden (search), alle Matches extrahieren (findall) oder ersetzen. - Woher die Eingabe kommt. Nicht vertrauenswürdige Eingabe (Web-Formulare, Logs, API-Payloads) macht katastrophales Backtracking zu einem Sicherheitsproblem. ### 2. Checker ausführen ```bash python3 scripts/regex_check.py 'PATTERN' -t 'sample one' -t 'sample two' python3 scripts/regex_check.py 'PATTERN' --cases cases.txt --mode fullmatch --flags a python3 scripts/regex_check.py 'PATTERN' --probe --no-explain # Backtracking-Risiko bestätigen python3 scripts/regex_check.py 'PATTERN' --cases - --json < cases.txt ``` Eine Cases-Datei hat ein Beispiel pro Zeile: `+ text` muss matchen, `- text` darf nicht matchen, `# ...` ist ein Kommentar. Setzen Sie das Muster in der Shell immer in einfache Anführungszeichen. Der Checker verwendet Pythons `re`; für andere Flavors lesen Sie `references/flavor-differences.md` und übersetzen Sie das Ergebnis. Wenn Sie das Skript nicht ausführen können, erklären Sie das Muster von Hand mit derselben Struktur und wenden Sie `references/regex-pitfalls.md` an. ### 3. Erklären, dann korrigieren 1. Erklären Sie das Muster von oben nach unten in einfachen Worten, eine Zeile pro Token oder Gruppe, basierend auf der Erklärung des Checkers. 2. Zeigen Sie die Testtabelle: jedes Beispiel, erwartetes Ergebnis, tatsächliches Ergebnis und den gematchten Text oder die Gruppen. 3. Korrigieren Sie in dieser Reihenfolge: Muster, die hängen können (HIGH), falsche Akzeptanzen und falsche Ablehnungen (fehlgeschlagene Erwartungen), dann Klarheit und die INFO-Hinweise. 4. Bevorzugen Sie einfache, lesbare Umschreibungen: eine Wiederholung statt verschachtelter, negierte Klassen wie `[^,]*` statt `.*`, explizite Anker `\A...\Z` oder `fullmatch` und `re.VERBOSE` mit Kommentaren für lange Muster. 5. Führen Sie den Checker erneut auf dem korrigierten Muster mit denselben Cases plus neuen Randfällen aus, bis jede Erwartung besteht und kein HIGH-Risiko mehr vorhanden ist. Führen Sie `--probe` auf der Korrektur aus, wenn das Original ein HIGH-Risiko hatte. ### 4. Liefern Füllen Sie `templates/regex-review.md` aus: die Erklärung in einfacher Sprache, die Testtabelle vorher und nachher, die gefundenen Risiken, das korrigierte Muster in der Sprache des Benutzers mit korrektem Escaping und eine kurze Liste von Testfällen für die Testsuite. Folgen Sie dem Stil von `examples/example-email-validation-review.md`. ## Regeln - Behaupten Sie nie, ein Muster sei korrekt, ohne es an Testfällen zu zeigen; fügen Sie die Randfälle hinzu, die der Benutzer vergessen hat. - Übervalidieren Sie nicht: Für E-Mails, URLs und Namen empfehlen Sie eine einfache Formprüfung plus einen echten Verifizierungsschritt (E-Mail senden, URL parsen) statt eines riesigen Musters. - Behalten Sie den Flavor des Benutzers bei: Schlagen Sie kein Lookbehind, keine possessiven Quantifizierer oder atomare Gruppen vor, wo deren Engine sie nicht unterstützt. - Escapen Sie korrekt für die Zielsprache (Raw-Strings in Python, doppelte Backslashes in Java- und C#-Strings, Slashes in JavaScript-Literalen). - Behandeln Sie katastrophales Backtracking auf nicht vertrauenswürdiger Eingabe als Sicherheitsfehler (ReDoS) und sagen Sie es klar; schlagen Sie Eingabelängenlimits als zweite Verteidigung vor.