为什么这个 Python 正则表达式否定前瞻不起作用？答案

【问题标题】：Why is this Python regex negative look ahead not working?为什么这个 Python 正则表达式否定前瞻不起作用？
【发布时间】：2014-12-20 23:13:25
【问题描述】：

我正在尝试使用 BeautifulSoup 收集一组具有非常具体标准的 URL。我要收集的 URL 必须包含 /b-\d+（/b- 后跟一系列数值）。但是，我想忽略所有包含 View%20All 的 URL，即使其中包含 /b-\d+。以下是 URL 示例：

1. http://www.foo.com/bar/b-12312903?sName=View%20All
2. http://www.foo.com/bar/b-832173712873?sName=View%20All
3. http://www.foo.com/bar/b-1208313109283129
4. http://www.foo.com/bar/b-2198123371239489?adCell=W3

鉴于上述示例，我要收集的有效 URL 是 #3 和 #4。我尝试使用不同的否定前瞻正则表达式，但它们对我不起作用：

{"href" : re.compile(r"\/b-\d+.+(?!View\%20All)")}
{"href" : re.compile(r"^.+\/b-\d+.+(?!View\%20All$)")}

谁能告诉我我做错了什么？

【问题讨论】：

标签： python regex regex-lookarounds

【解决方案1】：

{"href" : re.compile(r"\/b-\d+.+(?!View\%20All)")}
{"href" : re.compile(r"^.+\/b-\d+.+(?!View\%20All$)")}

你哪里错了？

当我们给出(?!View\%20All) 时，它断言View\%20All 不能在前面的模式.+ 之后立即匹配

实际上这意味着向前看总是正确的

为了说明，让我们检查每个模式匹配的内容

http://www.foo.com/bar/b-12312903?sName=View%20All

/b- 很明显

\d 匹配 12312903

现在问题来了，

.+ 匹配任何使得否定断言(?!View\%20All) 成功的东西。

也就是说

. 匹配 ?s 未匹配的字符串是 sName=View%20All 与开头位置的 (?!View\%20All) 不匹配 s因此总是成功匹配第 1 行和第 2 行

demo 以获得清晰的图像。

修复？？

当使用环视断言时，固定检查开始的位置

说使用像这样的正则表达式

(\/b-\d+)(\?|$)(?!sName=View\%20All)

将匹配 3 和 4 作为

http://regex101.com/r/aS5yS2/1

字符串中的? 或$ 修复了否定断言开始的位置。

【讨论】：

【解决方案2】：

^.*?/b-\d+(?:(?!View%20All).)*$

Demo

或者更快

^.+?/b-\d+(?:[^V]+|V(?!iew%20All))*$

【讨论】：

我不明白为什么“。”最后还需要哇。那个演示很棒