后视模式无效

Question

为什么这个正则表达式在 Python 中有效，而在 Ruby 中无效：

/(?<!([0-1\b][0-9]|[2][0-3]))/

很高兴听到解释以及如何在 Ruby 中解决它

用整行代码编辑：

re.sub(r'(?<!([0-1\b][0-9]|[2][0-3])):(?!([0-5][0-9])((?i)(am)|(pm)|(a\.m)|(p\.m)|(a\.m\.)|(p\.m\.))?\b)' , ':\n' , s)

基本上，当有冒号并且不是时间时，我会尝试添加'\n'。

Answer 1

Ruby 正则表达式引擎不允许在后视中捕获组。 如果需要分组，可以使用非捕获组(?:)：

[8] pry(main)> /(?<!(:?[0-1\b][0-9]|[2][0-3]))/
SyntaxError: (eval):2: invalid pattern in look-behind: /(?<!(:?[0-1\b][0-9]|[2][0-3]))/
[8] pry(main)> /(?<!(?:[0-1\b][0-9]|[2][0-3]))/
=> /(?<!(?:[0-1\b][0-9]|[2][0-3]))/

Docs:

 (?<!subexp)        negative look-behind

                     Subexp of look-behind must be fixed-width.
                     But top-level alternatives can be of various lengths.
                     ex. (?<=a|bc) is OK. (?<=aaa(?:b|cd)) is not allowed.

                     In negative look-behind, capturing group isn't allowed,
                     but non-capturing group (?:) is allowed.

向this answer学习。

Answer 2

累加。到Onigmo regex documentation，在否定后视中不支持捕获组。虽然这在正则表达式引擎中很常见，但并非所有引擎都将其视为错误，因此您会看到 re 和 Onigmo 正则表达式库中的差异。

现在，至于您的正则表达式，它在 Ruby 和 Python 中都无法正常工作：Python 和 Ruby 正则表达式中的字符类中的 \b 匹配 BACKSPACE (\x08) 字符，不是单词边界。此外，当您在可选的非单词 char 之后使用单词边界时，如果 char 出现在字符串中，则单词 char 必须立即出现在该非单词 char 的右侧。单词边界必须移动到m 之后的右侧\.? 之前。

当前方法的另一个缺陷是，lookbehinds 并不是最好的排除某些上下文的方法，比如这里。例如。你不能考虑时间数字和am/pm之间的可变数量的空格。最好匹配您不想触摸的上下文并匹配并捕获您要修改的上下文。所以，我们这里需要两个主要的替代方案，一个在时间字符串中匹配am/pm，另一个在所有其他上下文中匹配它们。

您的模式也有太多可以使用字符类和? 量词合并的替代方案。

Regex demo

• \b((?:[01]?[0-9]|2[0-3]):[0-5][0-9]\s*[pa]\.?m\b\.?):
  • \b - 字边界
  • ((?:[01]?[0-9]|2[0-3]):[0-5][0-9]\s*[pa]\.?m\b\.?) - 捕获组 1：
    • (?:[01]?[0-9]|2[0-3]) - 一个可选的0 或1 然后是任何数字或2 然后是从0 到3 的数字
    • :[0-5][0-9] - : 然后是从 00 到 59 的数字
    • \s* - 0+ 个空格
    • [pa]\.?m\b\.? - a 或 p，可选点，m，单词边界，可选点
• | - 或
• \b[ap]\.?m\b\.? - 单词边界，a 或 p，可选点，m，单词边界，可选点

Python fixed solution:

import re
text = 'am pm  P.M.  10:56pm 10:43 a.m.'
rx = r'\b((?:[01]?[0-9]|2[0-3]):[0-5][0-9]\s*[pa]\.?m\b\.?)|\b[ap]\.?m\b\.?'
result = re.sub(rx, lambda x: x.group(1) if x.group(1) else "\n", text, flags=re.I)

Ruby solution:

text = 'am pm  P.M.  10:56pm 10:43 a.m.'
rx = /\b((?:[01]?[0-9]|2[0-3]):[0-5][0-9]\s*[pa]\.?m\b\.?)|\b[ap]\.?m\b\.?/i
result = text.gsub(rx) { $1 || "\n" }

输出：

"\n \n  \n  10:56pm 10:43 a.m."

Answer 3

肯定@mrzasa 找到了问题所在。

但是.. 猜测您是否打算用 ':\n`
替换非时间冒号 我猜可以这样做。也做了一点空白修剪。

(?i)(?<!\b[01][0-9])(?<!\b[2][0-3])([^\S\r\n]*:)[^\S\r\n]*(?![0-5][0-9](?:[ap]\.?m\b\.?)?)

PCRE - https://regex101.com/r/7TxbAJ/1 替换 $1\n

Python - https://regex101.com/r/w0oqdZ/1 替换 \1\n

可读版本

 (?i)
 (?<!
      \b [01] [0-9] 
 )
 (?<!
      \b [2] [0-3] 
 )
 (                             # (1 start)
      [^\S\r\n]* 
      :
 )                             # (1 end)
 [^\S\r\n]* 
 (?!
      [0-5] [0-9] 
      (?: [ap] \.? m \b \.? )?
 )