非贪婪的前瞻正则表达式

Posted 2023-02-23

【中文标题】非贪婪的前瞻正则表达式

【英文标题】：Non-greedy lookahead regex

【发布时间】：2016-06-08 09:11:06

【问题描述】：

我有一个文件需要从 Python 中提取一些数据。其结构如下：

.I 1
.T
some multiline text
.A
some multiline text
.B
some multiline text
.W
some multiline text
.I 2
.T
some multiline text
.A
some multiline text
.B
some multiline text
.W
some multiline text

如您所见，有一些重复的重复模式。我需要一一提取它们。这是我的脑电图：

\.I\s(\d*)\n       # .I section
\.T\n([\d\D]*?)    # .T section
\.A\n([\d\D]*?)    # .A section
\.B\n([\d\D]*?)    # .B section
\.W\n([\d\D]*)     # .W section
(?=\.I\s+\d+)     # look ahead section, which behaves greedy

一切都很好，但是最后一部分（前瞻）是贪婪的。我需要一个，但我找不到它。

我们可以使用 *? +? m,n? 应用非贪婪行为，但我找不到 (?=...) 的这种语法

当我使用此正则表达式搜索匹配项时，它只找到一个匹配项，而有两个匹配项。这是因为前瞻运算符的贪婪本性。我怎样才能有一个非贪婪的前瞻？

【问题讨论】：

当我将您的正则表达式粘贴到 regex101.com 时，它告诉我最后一个问号有错误。你也看到了吗？

另外，你不想要\.W\n([\d\D]*?) 吗？

然后移除前瞻。他们不能贪婪或懒惰。他们限制了比赛。如果您的前瞻仅包含可选的子模式，则没有用。

@Fartab ...它应该匹配，您的 .W 部分与其他部分没有什么不同，它应该工作相同

@Fartab 也是，我在 regex101 中测试了下面的雷鬼（见我的答案），似乎一切都很好。

【参考方案1】：

我不明白为什么贪婪地向前看很重要，我希望以下方法起作用：

\.I\s(\d*)\n
\.T\n([\d\D]*?)
\.A\n([\d\D]*?)
\.B\n([\d\D]*?)
\.W\n([\d\D]*?)
(?=\.I\s+\d+|$)

现在我想起来了，我认为 Wiktor Stribiżew 是对的。向前看不能是贪婪或懒惰的：匹配或不匹配，匹配什么并不重要。

【讨论】：

我的错误是在 .W 部分之后缺少问号，最后一场比赛还需要一个 $。谢谢@朱利安

匹配的内容很重要！你如何告诉它匹配第一个匹配而不是最后一个？