谈一谈复杂的正则表达式分析
PHPMailer里面对于Email的正则表达式让很多人看了头疼，其实我看了也头疼，但借助一些工具，加上一些经验，还是能慢慢把有效信息剥离出来的。
首先推荐一个分析正则表达式的网站 https://regex101.com/ 。之前的很多网站，遇到今天这个正则表达式就都蔫儿了，实际上正则表达式的语法也不尽相同，比如PHP的正则和JavaScript就有区别，所以一定要找对正则表达式分析引擎。
regex101就可以选择多个正则表达式引擎，我这里选择pcre(php)： https://regex101.com/r/aGGWWw/2
这个网站的诸多好处，自己使用去体会吧。
我们首先输入我们需要分析的正则表达式，然后慢慢分析。
(?1) 的分析
这个正则表达式看似很长很乱，其实主要用到的也就是下面三种语法：
(?!xxx) 断言，匹配后面不是xxx的位置
(?>xxx) 一次性子组 ，见 http://php.net/manual/zh/regexp.reference.onlyonce.php
(?n) 子匹配，等同于第n组正则
先来分析第一个子组，第一个子组在这里：
你说为什么不从头开始分析？因为前面有多处用到 (?1) ，如果不分析第一个组，前面的正则是看不懂的。
(?1) 又分为两部分：
-
((?>(?>(?>/x0D/x0A)?[/t ])+|(?>[/t ]*/x0D/x0A)?[/t ]+)?) -
(/((?>(?2)(?>[/x01-/x08/x0B/x0C/x0E-/'*-/[/]-/x7F]|///[/x00-/x7F]|(?3)))*(?2)/))
其实这两部分也就是第2/3组，这也是为什么regex101右侧边栏中没有2/3组的原因，因为2/3组是包含在第1组中的。
第2组主要匹配了换行（/x0D/x0A）和空白符（/t/x20），所以我们测试一下 $str = "/x0D/x0A".' aaaa@gmail.com'; ，发现其实是可以匹配上的。
那为什么我们不能直接 /t-X/home/www/success.php @gmail.com ？因为，邮箱地址在检测前进行了trim。这个方法gg。
第3组其实就是我发现的绕过validateAddress方法，分析可知：在 /( 和 /) 中间可以填入包括 (?2) 、空白符、引号等在内的大量字符，并且还是递归的（也就是说3里还能有3）。
所以可知，通过使用括号，我们就可以构造空白符了。
(?4) 的分析
第4组如下：
可见支持如下一些字符，其中是不包含空白符的： [!#-/'*+//-9=?^-~-] 。但如果两边有 " ，那么支持的字符就多了： [/x01-/x08/x0B/x0C/x0E-!#-/[/]-/x7F] ，包括空白符。
这也就是漏洞发现者给出的POC使用的方法：将Payload用双引号包裹。
@前的其余部分分析
如上图，在 (?1) 前面的部分，是两个消极断言 (?!) ，实际上是不允许的内容，但又不会捕捉，这就不会影响正则的走向，因为后面的1组还是会捕捉它。所以这两句对我们绕过没有任何帮助。
在 (?4) 后面的部分，其实比较有趣。 (?>(?1)/.(?1)(?4)) 这里这句话导致了另一个绕过：
aaa. -X/tmp/test.php @gmail.com
原因是 (?1) 是可以包含空白符的，只要有一个空白符， (?4) 就能逃出来了。
从 (?>(?1)/.(?1)(?4)) 再往后看，这里再次调用一个 (?1) ，所以又可以如下绕过：
(aaaa) -X/tmp/test.php (xxxx)@gmail.com
配合下图，其实就很好理解了：
Group 1是可以包含空格的，因为两处都调用的Group 1，所以夹在中间的部分Group 4也就是Payload了。
尾记
@后面的部分留给大家自己去分析。
那么本文叫“谈一谈复杂的正则表达式分析”，其实我也只分析了半个表达式而已。但诀窍已经在这里了：
- 找一个好的辅助工具
- 理解断言、递归组、子匹配、一次性子组等概念
- 一段段分析，不要害怕
最后一条很重要，正则也是人写出来的，所以没有看不懂的道理。而且，在代码审计的过程中，基本上你并不需要完全理解一个正则（比如本文中的正则我也有很多地方没有分析，但这不妨碍我发现问题），你真正需要理解的是编写者的意愿，他为什么会这么写。
那么，PHPMailer中这个正则为什么会这么写？
可能是作者为了完全实现RFC的一些规则，才会这样编写正则吧。
参考：
- http://php.net/manual/zh/reference.pcre.pattern.syntax.php
- https://regex101.com/r/aGGWWw/2
正文到此结束
热门推荐
相关文章
近期评论
-
文章和留言都翻到11页了 没有OOM
-
-
朋友，翻页到11页，及以后，会出现OOM，无法访问
-
-
搞个gitee的项目
-
-
版本号是多少，你可以下载哪个代码仓库，jdk选1.8 直接跑就行
-
-
-
Loading...
![[HBLOG]公众号](https://www.liuhaihua.cn/img/qrcode_gzh.jpg)
