非固定长度的正则表达式负回溯

Posted 2023-02-23

【中文标题】非固定长度的正则表达式负回溯

【英文标题】：Regular expression negative lookbehind of non-fixed length

【发布时间】：2014-07-28 09:52:05

【问题描述】：

正如document 所说：

这称为否定后向断言。与肯定的后向断言类似，包含的模式必须只匹配一些固定长度的字符串。

所以这会起作用，目的是匹配之外的任何,，但不在内部：

In [188]:

re.compile("(?<!\)\,.").findall('a1,a2,a3,a4,,a6')
Out[188]:
[',a', ',a', ',a', ',']

这将适用于稍微不同的查询：

In [189]:

re.compile("(?<!\a5)\,.").findall('a1,a2,a3,a4,a5,a6')
#or this: re.compile("(?<!\..)\,.").findall('a1,a2,a3,a4,a5,a6')
Out[189]:
[',a', ',a', ',a', ',']
In [190]:

但如果查询是'a1,a2,a3,a4,_some_length_not_known_in_advance,a6'，根据文档，以下内容将无法按预期工作：

In [190]:

re.compile("(?<![\.*])\,.").findall('a1,a2,a3,a4,a5,a6')
Out[190]:
[',a', ',a', ',a', ',', ',a']

有什么办法可以做到这一点吗？消极的回顾是错误的方法吗？

这就是lookbehind最初的设计目的（仅匹配某个固定长度的字符串）的任何原因？

【参考方案1】：

有什么办法可以做到这一点？

是的。有一个非常简单的技巧，这种情况和"regex-match a pattern unless..."很相似

这是你的简单正则表达式：

[^]*|(,)

交替的左侧| 匹配完整的 brackets 标记。我们将忽略这些匹配。右边匹配并捕获第 1 组的逗号，我们知道它们是右边的逗号，因为它们没有被左边的表达式匹配。

这是一个执行多个任务的演示，因此您可以选择（参见the demo)底部的输出：

计算要匹配的逗号（不是大括号之间的逗号） 显示匹配项（逗号...呵呵） 替换正确的逗号。这里我们替换为SplitHere，这样我们就可以执行任务 4... 用逗号分割，并显示分割后的字符串

参考

How to match (or replace) a pattern except in situations s1, s2, s3...

【讨论】：

太棒了，我觉得我走错了路。让我试试看。知道为什么负后视仅适用于固定长度的设计吗？

@CTZhu 我添加了一个完整的 Python 程序，它计算正确的逗号、显示它们、替换它们并拆分字符串。 :) 这样就向您展示了如何使用这种技术完成所有主要工作。

@CTZhu Any idea why negative lookbehind only works for fixed length by design? 这实际上取决于您的正则表达式引擎。在 .NET 中，您可以拥有无​​限宽度的后视功能……在 Python 中也是如此！！！但前提是您使用 Matthew Barnett 的替代（而且很棒）regex 模块。至于为什么......当然，灾难性回溯的工作和机会更多，尤其是在过去的小 RAM 时代。 :) 一个老式的解决方法是反转字符串并使用前瞻。

re.compile("[^]*|(,)").findall('a1,a2,a3,a4,a5,a6') 实际上返回一个额外的'': [',', ',', ',', ',', '']。我有机会通过re 摆脱它吗？感谢regex的提示，我会仔细看看。

@CTZhu 既然你喜欢这个技巧，我强烈建议你看看（或留待以后使用）linked question about exclusions in regex patterns，我写得很开心。 :)

【参考方案2】：

除了使用 Negative Lookbehind，您可以使用带有平衡大括号的 Negative Lookahead。

,(?![^]*\)

例如：

>>> re.findall(r',..(?![^]*\)', 'a1,a2,a3,a4,_some_unknown_length,a5,a6,a7')
[',a2', ',a3', ',a4']

【讨论】：

谢谢！不匹配任何, 后跟[^]*\ 的巧妙方法。