仅当没有给定前缀具有任意数量的空格时才匹配单词

Posted 2023-02-23

【中文标题】仅当没有给定前缀具有任意数量的空格时才匹配单词

【英文标题】：Match word only if no given prefix with arbitrary number of spaces

【发布时间】：2021-10-30 05:19:56

【问题描述】：

我正在尝试创建一个匹配单词 bar 的正则表达式，除非后面有单词 foo。

我发现负向lookbehind 可以处理这个问题，但问题是在foo 和bar 之间有任意数量的字符属于表达式[\s\-/]。

不幸的是，负后视不支持任意长度。

所以(?<!foo[\s\-/]*)bar 模式无效。

你知道可以克服这个问题的正则表达式技术吗？

【问题讨论】：

只是要指出：不支持任意前瞻/后视长度通常不是正则表达式限制，而是某些正则表达式实现的限制。例如this 适用于 javascript，但基本上没有其他正则表达式实现选择，因此标记您正在使用的正则表达式的特定风格可能会有所帮助

@apokryfos 我在 python3 中使用re，它不支持它（显然）。而且我不能真正改变我使用的包，因为这意味着我的代码会发生很多变化......

如果您安装 PyPi 正则表达式模块 (pip install regex) 然后使用 import regex as re，我认为不需要更改任何内容。然后，re.findall(r'(?<!\bfoo\b.*?)\bbar\b', text) 将起作用。

【参考方案1】：

一种解决方案是：

import re

c = re.compile(r'^(?!.*foo.*bar).*(bar).*$')

lst = ['bar', 'hi bar', 'foo   bar', 'foobar', 'hiiifoohiiibar']

for i in lst:
    match_obj = c.match(i)
    if match_obj:
        print(match_obj.group(), '|', match_obj.group(1))

输出：

bar | bar
hi bar | bar

DEMO

解释：首先我们检查整个字符串，看看(?!.*foo.*bar)的字符串（先是foo然后是bar）中是否同时存在'foo'和'bar'。这是一个否定的前瞻断言，如果这对不存在，我们可以继续。

接下来我们确定在bar 之前没有任何foo，我们得到包括bar 在内的所有字符串。我们将它放在一个组中，以便我们可以通过group(1) 检索它。

【讨论】：

这可行，但请注意，它只会捕获组 1 中最后一次出现的 bar。

【参考方案2】：

一种技术是使用 PyPi 正则表达式模块而不是标准的重新模块。当我阅读您的查询时，您似乎想要验证其中包含单词“bar”的任何字符串，除非它前面有单词“foo”以及任意数量的空格和连字符。如果正确，您可以使用：

(?<!foo[\s-]*)bar

意义;以 'foo' 开头并包含 0 次以上的空白字符和/或连字符的否定后视。下面是一些示例代码：

import regex as re
lst = ['foobar', 'foo   -   bar', 'foo- -bar', 'foodbar']
for i in lst:
    if re.search(r'(?<!foo[\s-]*)bar', i):
        print(i)

打印：

foodbar

【参考方案3】：

您将需要这个pip package regex - 它不适用于默认的re：

foo\s*+bar(*SKIP)(*FAIL)|bar

regex101

解释器中的示例调用：

>>> import regex
>>> print(regex.search(r'foo\s*+bar(*SKIP)(*FAIL)|bar', 'fdfdf foo bar fdfdf foo bar bar'))
<regex.Match object; span=(28, 31), match='bar'>

【讨论】：

或者也匹配问题中的字符，可能是foo[\s/-]*bar(*SKIP)(*FAIL)|bar

【参考方案4】：

我的解决方案很简单：测试分为两部分：

如果文本中有“bar” 如果不是（“bar”，加上[\s\-/]，加上“foo”）

将其放入代码中：

import re

data = [
    # Good
    "bar and not foo",
    "bar alone",

    # Bad
    "bar - foo",
    "barfoo",
    "bar foo",
    "bar / foo",
]


for text in data:
    if "bar" in text and not re.match(r"bar[\s\-/]*foo", text):
        print(text)

输出：

bar and not foo
bar alone

一般来说，我远离正则表达式，因为它很难理解。我只在必要时使用它。