正则表达式：正确匹配具有负面回溯的组答案

【问题标题】：Regex: Correctly matching groups with negative lookback正则表达式：正确匹配具有负面回溯的组
【发布时间】：2017-05-26 20:08:39
【问题描述】：

我正在使用这个字符串：

qr/I Love Chocolate|And Free Shipping|All (day|night)|please/i;

我正在使用以下正则表达式模式：

(?:qr\/)?(.*?)(?:\||\/)

我想找回以下匹配项：

["I Love Chocolate", "And Free Shipping", "All (day|night)", "please"]

然而，这是我真正得到的回报：

["I Love Chocolate", "And Free Shipping", "All (day", "night)", "please"]

我修改了我的正则表达式以使用回溯：

(?:qr\/)?(?<!All \(day|night\))(.*?)(?:\||\/)

但是，这仍然会将字符串拆分为All (day 和night)。

如何调整正则表达式，而不是将All (day 和night) 捕获为单独的字符串，而是得到All (day|night)？

更一般地说，麻瓜语言的目标是：“查找任何由竖线字符分隔的组，除非该组包含 1 个或多个被省略号包围的竖线字符；在这种情况下，将整个字符串视为一个组。”

【问题讨论】：

标签： python regex

【解决方案1】：

您可以使用此正则表达式进行匹配：

[^/|(]+(?:\([^)]*\))*

代码：

>>> str = 'qr/I Love Chocolate|And Free Shipping|All (day|night)|please/i'
>>> print re.findall(r'[^/|(]+(?:\([^)]*\))*', str)
['qr', 'I Love Chocolate', 'And Free Shipping', 'All (day|night)', 'please', 'i']

或者，如果您想在开始时丢弃qr/，最后丢弃/i，请使用：

>>> print re.findall(r'[^/|(]+(?:\([^)]*\))*', re.sub(r'^qr/(.*)/i$', r'\1', str))
['I Love Chocolate', 'And Free Shipping', 'All (day|night)', 'please']

RegEx Demo

【讨论】：

【解决方案2】：

如果只是 day 和 night 围绕 | 的单词，您可以使用负向后视和负向前瞻：

>>> re.split(r"(?<!day)\|(?!night)", s)
['qr/I Love Chocolate', 'And Free Shipping', 'All (day|night)', 'please/i;']

我还会事先删除 qr/ 前缀和 /i 后缀，以保持拆分表达式的简单性。比如这样：

>>> s = "qr/I Love Chocolate|And Free Shipping|All (day|night)|please/i;"
>>> s = re.sub(r"^[a-z]+/", "", s)
>>> s = re.sub(r"/[a-z]+;$", "", s)

然后，拆分：

>>> re.split(r"(?<!day)\|(?!night)", s)
['I Love Chocolate', 'And Free Shipping', 'All (day|night)', 'please']

【讨论】：

All (day|night) 只是众多类似模式之一。所以理想情况下，我想说“匹配管道符号之间的任何内容，除非匹配包含 1 个或多个被椭圆包围的管道符号，在这种情况下，将整个事物视为一组。”
@DirtyPenguin 啊，好吧，那我认为anubhava的解决方案应该涵盖这些，试试看。我看看能不能改进我的。谢谢。
感谢您提供后向/前瞻示例 :)