python中负面观察的奇怪行为答案

【问题标题】：Odd behavior on negative look behind in pythonpython中负面观察的奇怪行为
【发布时间】：2015-09-17 13:03:01
【问题描述】：

我正在尝试使用正则表达式进行 re.split，该正则表达式利用了后视。我想拆分前面没有 \r 的换行符。更复杂的是，如果 \n 前面有某个子字符串，我也不想拆分它：XYZ。

我可以通过安装正则表达式模块来解决我的问题，该模块让我可以在后面进行可变宽度组。但是，我试图避免安装任何东西。

我的工作正则表达式看起来像：

regex.split("(?<!(?:\r|XYZ))\n", s)

还有一个示例字符串：

s = "DATA1\nDA\r\n \r\n \r\nTA2\nDA\r\nTA3\nDAXYZ\nTA4\nDATA5"

拆分时的样子：

['DATA1', 'DA\r\n \r\n \r\nTA2', 'DA\r\nTA3', 'DAXYZ\nTA4', 'DATA5']

没有 regex 模块的我最接近的非工作表达式：

re.split("(?<!(?:..\r|XYZ))\n", s)

但是这种分裂导致：

['DATA1', 'DA\r\n \r', ' \r', 'TA2', 'DA\r\nTA3', 'DAXYZ\nTA4', 'DATA5']

这我不明白。根据我对后面的理解，最后一个表达式应该有效。知道如何使用基本 re 模块来完成此任务吗？

【问题讨论】：

真的，您不需要正则表达式模块，请参阅 anubhava 的解决方案。他的解释少了一句：当一个look-behind有一些替代方案时，它们都必须是等宽的。而且你也不能在那里使用反向引用。

标签： python regex lookbehind

【解决方案1】：

你可以使用：

>>> re.split(r"(?<!\r)(?<!XYZ)\n", s)
['DATA1', 'DA\r\n \r\n \r\nTA2', 'DA\r\nTA3', 'DAXYZ\nTA4', 'DATA5']

在这里，我们将您的后向断言分为两个断言：

(?<!\r)  # previous char is not \r
(?<!XYZ) # previous text is not XYZ

由于此错误，Python 正则表达式引擎不允许 (?<!(?:\r|XYZ)) 在后视中

error: look-behind requires fixed-width pattern

【讨论】：

【解决方案2】：

你可以使用re.findall

>>> s = "DATA1\nDA\r\n \r\n \r\nTA2\nDA\r\nTA3\nDAXYZ\nTA4\nDATA5"
>>> re.findall(r'(?:(?:XYZ|\r)\n|.)+', s)
['DATA1', 'DA\r\n \r\n \r\nTA2', 'DA\r\nTA3', 'DAXYZ\nTA4', 'DATA5']

说明：

(?:(?:XYZ|\r)\n|.)+ 这将匹配XYZ\n 或\r\n 贪婪，如果有任何如果要匹配的字符不是两者中的一个，那么控制转移到. 的或部分将匹配任何字符，但不是换行符。 + 在非捕获组之后会重复整个模式一次或多次。

【讨论】：