您可以使用 Python 正则表达式从偏移量向后搜索吗？

Posted 2023-02-23

【中文标题】您可以使用 Python 正则表达式从偏移量向后搜索吗？

【英文标题】：Can you search backwards from an offset using a Python regular expression?

【发布时间】：2013-06-16 17:13:08

【问题描述】：

给定一个字符串，以及该字符串中的一个字符偏移量，我可以使用 Python 正则表达式向后搜索吗？

我要解决的实际问题是在字符串中的特定偏移处获取匹配的短语，但我必须匹配该偏移之前的第一个实例。

在我的正则表达式只有一个符号长（例如：单词边界）的情况下，我正在使用反转字符串的解决方案。

my_string = "Thanks for looking at my question, ***."
offset = 30
boundary = re.compile(r'\b')
end = boundary.search(my_string, offset)
end_boundary = end.start()
end_boundary

输出：33

end = boundary.search(my_string[::-1], len(my_string) - offset - 1)
start_boundary = len(my_string) - end.start()
start_boundary

输出：25

my_string[start_boundary:end_boundary]

输出：'问题'

但是，如果我有一个可能涉及多个字符的更复杂的正则表达式，则这种“反向”技术将不起作用。例如，如果我想匹配出现在指定偏移量之前的“ing”的第一个实例：

my_new_string = "Looking feeding dancing prancing"
offset = 16 # on the word dancing
m = re.match(r'(.*?ing)', my_new_string) # Except looking backwards

理想输出：喂食

我可能会使用其他方法（将文件分成几行，并向后迭代这些行），但向后使用正则表达式似乎是一个概念上更简单的解决方案。

【问题讨论】：

仅供参考，\b 匹配（或更准确地说，消耗）零个字符，而不是一个。

【参考方案1】：

使用肯定的lookbehind确保单词前至少有30个字符：

# re like: r'.*?(\w+)(?<=.30)'
m = re.match(r'.*?(\w+)(?<=.%d)' % (offset), my_string)
if m: print m.group(1)
else: print "no match"

对于另一个例子，消极的后视可能会有所帮助：

my_new_string = "Looking feeding dancing prancing"
offset = 16
m = re.match(r'.*(\b\w+ing)(?<!.%d)' % offset, my_new_string)
if m: print m.group(1)

首先贪心匹配任何字符但回溯，直到它无法向后匹配 16 个字符 ((?<!.16))。

【讨论】：

感谢后面的提示。我仍在尝试调整您的示例，以便我可以通过字符串“向后搜索”以获得更长的表达式。

(.*ing) 在我编辑的问题中 - 如果我要从偏移量向后寻找以 -ing 结尾的整个单词。

@Irwin，为该示例添加了解决方案

【参考方案2】：

我们可以利用 python 的正则表达式引擎对贪婪的偏好（有点，不是真的），并告诉它我们想要的是 尽可能多的字符，但不超过 30，然后...。

那么，一个合适的正则表达式可以是r'^.0,30(\b)'。我们希望开始第一次捕获。

>>> boundary = re.compile(r'^.0,30(\b)')
>>> boundary.search("hello, world; goodbye, world; I am not a pie").start(1)
30
>>> boundary.search("hello, world; goodbye, world; I am not").start(1)
30
>>> boundary.search("hello, world; goodbye, world; I am").start(1)
30
>>> boundary.search("hello, world; goodbye, pie").start(1)
26
>>> boundary.search("hello, world; pie").start(1)
17

【讨论】：

+1。它同样适用于多字符序列；只需将(\b) 更改为(\b\w+\b)。您可能需要调整限制以确保单词在 截止之前开始，而不是正好在它的位置（例如，0,29 在这种情况下）。

哦，是的，这是一个需要注意的问题——我给出的正则表达式适用于我对问题的陈述，也就是说，这是一个问题。跨度>