精准过滤ipv4地址需用正则确保每段为0–255，核心表达式为(25[0-5]|20-4|[01]?0-9?)，四段以.连接并加\b锚定；结合awk筛选状态码、统计频次可定位攻击源ip；需注意代理头字段、排除内网ip及干扰项。
要精准过滤IP地址，关键不是简单匹配数字和点，而是用正则确保每段是合法的0–255范围，避免匹配到像999.999.999.999或1234.56.78.90这类非法格式。
匹配合法IPv4地址的核心正则
单个字节（0–255）的严谨写法是：(25[0-5]|2[0-4][0-9]|[01]?[0-9][0-9]?)。它分三部分覆盖所有可能：
-
25[0-5]→ 匹配250–255 -
2[0-4][0-9]→ 匹配200–249 -
[01]?[0-9][0-9]?→ 匹配0–199（含前导零如007，但实际日志中少见；若需严格无前导零，可进一步限制）
四个字节用\.连接，并加词界锚定（\b），防止匹配到长字符串中的子串（比如192.168.1.1234里的前四段）：
grep -oE '\b(25[0-5]|2[0-4][0-9]|[01]?[0-9][0-9]?)\.(25[0-5]|2[0-4][0-9]|[01]?[0-9][0-9]?)\.(25[0-5]|2[0-4][0-9]|[01]?[0-9][0-9]?)\.(25[0-5]|2[0-4][0-9]|[01]?[0-9][0-9]?)\b' access.log
结合攻击特征做定向提取
只提取IP不够，要定位攻击源，得叠加行为条件。例如筛选返回403/404且高频访问的IP：
- 先用
awk筛出状态码异常的行：awk '$9 ~ /^(403|404)$/' access.log - 再提取IP并统计频次：
awk '$9 ~ /^(403|404)$/ {print $1}' access.log | grep -oE '\b(25[0-5]|2[0-4][0-9]|[01]?[0-9][0-9]?)\.{3}(25[0-5]|2[0-4][0-9]|[01]?[0-9][0-9]?)\b' | sort | uniq -c | sort -nr | head -20
这样得到的是“高频触发拒绝响应”的可疑IP列表，比单纯扫全量IP更有效。
处理常见干扰项
日志里常混有IPv6、域名、本地地址或伪造头字段（如X-Forwarded-For）。需注意：
- 默认
$1在Apache日志中是真实客户端IP；若用了CDN或反向代理，真实IP可能在X-Forwarded-For字段，需先用awk -F'"' '{print $2}'或sed提取该字段再过滤 - 排除内网IP（如10.0.0.0/8、172.16.0.0/12、192.168.0.0/16）可用
grep -vE '\b(10\.|172\.(1[6-9]|2[0-9]|3[0-1])\.|192\.168\.)' - IPv6地址不适用该正则，如需支持，应单独用
grep -oE '([0-9a-fA-F]{1,4}:){7}[0-9a-fA-F]{1,4}'，但多数Web攻击仍以IPv4为主
快速验证与调试技巧
写完正则别直接跑全量日志，先小样测试：
- 准备测试数据：
echo -e "192.168.1.1\n255.255.255.255\n999.1.1.1\n12.34.567.89\n10.0.0.1" > test_ips.txt - 运行命令验证输出是否仅含前两行
- 加
-n显示行号，--color=always高亮匹配部分，便于观察边界是否准确
不复杂但容易忽略细节。
