[正则]前瞻

Posted 2020-10-02 Life is too short, I python.

在使用正则表达式时，有时我们需要捕获的内容前后必须是特定内容，但又不捕获这些特定内容的时候，零宽断言就起到作用了

http://www.jb51.net/article/95906.htm

正则表达式中有前瞻（Lookahead）和后顾（Lookbehind）的概念，这两个术语非常形象的描述了正则引擎的匹配行为。需要注意一点，正则表达式中的前和后和我们一般理解的前后有点不同。一段文本，我们一般习惯把文本开头的方向称作“前面”，文本末尾方向称为“后面”。但是对于正则表达式引擎来说，因为它是从文本头部向尾部开始解析的（可以通过正则选项控制解析方向），因此对于文本尾部方向，称为“前”，因为这个时候，正则引擎还没走到那块，而对文本头部方向，则称为“后”，因为正则引擎已经走过了那一块地方。如下图所示：

所谓的前瞻就是在正则表达式匹配到某个字符的时候，往“尚未解析过的文本”预先看一下，看是不是符合/不符合匹配模式，而后顾，就是在正则引擎已经匹配过的文本看看是不是符合/不符合匹配模式。符合和不符合特定匹配模式我们又称为肯定式匹配和否定式匹配。

现代高级正则表达式引擎一般都支持都支持前瞻，对于后顾支持并不是很广泛，因此我们这里采用否定式前瞻来实现我们的需求。

 

>>> re.findall(r\'^.*(?:ing)$\',\'processing\')　　# 1.匹配ing不保存, 但是.*匹配到了ing, 所以最后结果保存了
[\'processing\']
>>> re.findall(r\'^(.*)(?:ing)$\',\'processing\')　　# 2.匹配到了ing, 此处.*没有匹配到ing, 所以结果没有保存
[\'process\']
>>> re.findall(r\'^p.*(?:ing)$\',\'processing\')　　# 这里就明显的看出1的效果了,p和?:一样保存
[\'processing\']
>>> re.findall(r\'^p(.*)(?:ing)$\',\'processing\')　　# 这里的p和?:都没有被保存下来, 因为分组里没有
[\'rocess\']
>>> re.findall(r\'^.*(?:ing)$\',\'processinging\')
[\'processinging\']
>>> re.findall(r\'^.*(?:ing)\',\'processings\')
[\'processing\']
>>> re.findall(r\'^(.*)(?:ing)\',\'processing\')
[\'process\']

　　

 (pattern) 
   匹配 pattern 并捕获该匹配的子表达式。可以使用 $0...$9 属性从结果“匹配”集合中检索捕获的匹配。若要匹配括号字符 ( )，请使用“\\(”或者“\\)”。 

(?:pattern) 
    匹配 pattern 但不捕获该匹配的子表达式，即它是一个非捕获匹配，不存储供以后使用的匹配。这对于用“或”字符 (|) 组合模式部件的情况很有用。例如，与“industry|industries”相比，“industr(?:y| ies)”是一个更加经济的表达式。
 
(?=pattern) 
    执行正向预测先行搜索的子表达式，该表达式匹配处于匹配 pattern 的字符串的起始点的字符串。它是一个非捕获匹配，即不能捕获供以后使用的匹配。例如，“Windows (?=95| 98| NT| 2000)”与“Windows 2000”中的“Windows”匹配，但不与“Windows 3.1”中的“Windows”匹配。预测先行不占用字符，即发生匹配后，下一匹配的搜索紧随上一匹配之后，而不是在组成预测先行的字符后。 

(?!pattern) 
    执行反向预测先行搜索的子表达式，该表达式匹配不处于匹配 pattern 的字符串的起始点的搜索字符串。它是一个非捕获匹配，即不能捕获供以后使用的匹配。例如，“Windows (?!95| 98| NT| 2000)”与“Windows 3.1”中的“Windows”匹配，但不与“Windows 2000”中的“Windows”匹配。预测先行不占用字符，即发生匹配后，下一匹配的搜索紧随上一匹配之后，而不是在组成预测先行的字符后。