正则表达式的可变长度lookbehind-assertion替代方案

Posted 2023-02-22

【中文标题】正则表达式的可变长度lookbehind-assertion替代方案

【英文标题】：Variable-length lookbehind-assertion alternatives for regular expressions

【发布时间】：2012-07-23 08:04:48

【问题描述】：

在 Python/php/javascript 中是否有支持变长lookbehind-assertion的正则表达式实现？

/(?<!foo.*)bar/

如何编写具有相同含义但不使用lookbehind-assertion的正则表达式？

这种类型的断言是否有可能有一天会实现？

事情比我想象的要好得多。

更新：

(1) 已经有正则表达式实现支持变长lookbehind-assertion。

Python 模块 regex（不是标准的 re，而是附加的 regex 模块）支持此类断言（并具有许多其他很酷的功能）。

>>> import regex
>>> m = regex.search('(?<!foo.*)bar', 'f00bar')
>>> print m.group()
bar
>>> m = regex.search('(?<!foo.*)bar', 'foobar')
>>> print m
None

正则表达式中有一些东西是 Perl 做不到而 Python 可以做到的，这对我来说是一个非常大的惊喜。也许，Perl 也有“增强的正则表达式”实现？

（感谢并为 MRAB +1）。

(2) 现代正则表达式中有一个很酷的功能\K。

这个符号意味着当你进行替换时（在我看来，断言最有趣的用例是替换），在\K 之前找到的所有字符都不能更改。

s/unchanged-part\Kchanged-part/new-part/x

这几乎就像一个后视断言，但当然不是那么灵活。

更多关于\K：

Perl Regular Expression \K Trick PCRE Regex Spotlight: \K

据我了解，您不能在同一个正则表达式中使用 \K 两次。而且你不能说直到什么时候你想“杀死”你找到的角色。一直到行首。

（感谢并 +1 ikegami）。

我的其他问题：

能不能说\K效果的终点一定是哪一点？ Perl/Ruby/JavaScript/PHP 的增强正则表达式实现怎么样？类似于 regex 对于 Python 的东西。

【问题讨论】：

要知道如何正确地编写一个不使用后向断言的替代方案，我们需要更多的上下文。这实际上是为了什么？

@minitech：没有额外的上下文。这是一个普遍的问题

不，它需要额外的上下文。目前解决你的问题最好的方法是使用indexOf找到'foo'，然后重复查找所有'bar'。

@minitech：我可以去掉这个简单的例子；我提供它只是为了说明目的；问题是：“我如何（通常）避免后视否定断言以及（通常）我可以使用什么？”。为什么不喜欢ikegami的回答？我认为答案几乎是完美的。我不知道这个\K 把戏，我发现它真的很杀

@ikegami：“这是你从哪一端开始匹配的问题”，好的，我明白了。我认为这只是一个定义问题。

【参考方案1】：

大多数情况下，您可以通过使用\K 来避免可变长度的lookbehinds。

s/(?<=foo.*)bar/moo/s;

会

s/foo.*\Kbar/moo/s;

最后遇到的\K 之前的任何内容都不会被视为匹配的一部分（例如，出于替换目的，$& 等）

否定的lookbehinds有点棘手。

s/(?<!foo.*)bar/moo/s;

会

s/^(?:(?!foo).)*\Kbar/moo/s;

因为(?:(?!STRING).)* 对应于STRING，就像[^CHAR]* 对应于CHAR。

---

如果你只是匹配，你甚至可能不需要\K。

/foo.*bar/s

/^(?:(?!foo).)*bar/s

【讨论】：

\K 这个技巧真的很酷，但是可以在一个正则表达式中指定多个\K 吗？可能，不是

否（或没用），但您可以使用捕获：s/foo.*\Kbar/moo/s; === s/(foo.*)bar/$1moo/s;。

捕获很明显，但并不有趣:) \K 要好得多:)

但是你只能拥有一个。我是在指出如果您要求的不止一个，您可以做什么。 （在 5.10 之前引入 \K 时，捕获也可以工作。）

这太好了，非常感谢。但请添加关于 \K 实际含义的注释。这对 Google 来说并不容易。

【参考方案2】：

对于 Python，有一个支持可变长度后视的正则表达式实现：

http://pypi.python.org/pypi/regex

它被设计为向后兼容标准 re 模块。

【讨论】：

谢谢！这确实有效，并且该模块通常非常有趣。非常感谢！ +1

此答案已添加到 Stack Overflow Regular Expression FAQ 的“Lookarounds”下。

在Python 3.4.1 上流畅运行。它似乎也比re快一点。

【参考方案3】：

您可以反转字符串和模式并使用可变长度前瞻

(rab(?!\w*oof)\w*)

粗体匹配：

raboof rab7790oof raboo rabof rab rabo raboooof rabo

据我所知的原始解决方案：

Jeff 'japhy' Pinyan

【讨论】：

Benjamin，谢谢你的回答，但你确定可以反转任何模式吗？

我从来没有遇到过这种方法不起作用的情况。创建模式比“正常”模式需要更多时间。

此答案已添加到 Stack Overflow Regular Expression FAQ 的“Lookarounds”下。

【参考方案4】：

您显示的正则表达式将找到bar 的任何实例，not 前面有foo。

一个简单的替代方法是首先将foo 与字符串匹配，然后找到第一次出现的索引。然后搜索bar，看看你是否能找到出现在该索引之前的事件。

如果你想找到bar 的实例，而不是直接 前面有foo，我也可以为此提供一个正则表达式（不使用lookbehind），但它会非常难看.基本上，颠倒/foo/ 的含义——即/[^f]oo|[^o]o|[^o]|$/。

【讨论】：

Alex，谢谢你的回答，但总的来说一切都不像你写的那么简单。我只提供了一个带有断言的正则表达式的小例子。当然，re 可能要复杂得多，并且断言可能在其中的深处。在这种情况下，您不能简单地检查字符串中的某个子字符串。

Alex，当你需要“bar 的实例不直接以foo 开头”时，你可以使用普通的lookbehind assertion (?<!foo)bar。这样可行。但诀窍在于 foo 和 bar 之间可以是其他字符。

【参考方案5】：

foo.*|(bar)

如果foo首先在字符串中，则正则表达式将匹配，但不会有组。

否则，它会找到bar并将其分配给一个组。

因此您可以使用此正则表达式并在找到的组中查找结果：

>>> import re
>>> m = re.search('foo.*|(bar)', 'f00bar')
>>> if m: print(m.group(1))
bar
>>> m = re.search('foo.*|(bar)', 'foobar')
>>> if m: print(m.group(1))
None
>>> m = re.search('foo.*|(bar)', 'fobas')
>>> if m: print(m.group(1))
>>> 

Source.