否定匹配的正则表达式模式
negate a matching regex pattern
我们希望将出现在换行符(\r\n
、\n
或 \r
)之间的字符组合在一起,但忽略出现在引号内的换行符。像这样:
test = 'hello \r\n you, hi, hola, "hei\nhei", hej\r\nhello, hi, hola, "hei\nhei", "hej\r\ngreat", you?'
match -> hello
match -> you, hi, hola, "hei\nhei", hej
match -> hello, hi, hola, "hei\nhei", "hej\r\ngreat", you?
我们设法让一些东西可以满足我们的大部分需求,但它不会忽略引号内的换行符:
In [342]: test = 'hello \r\n you, hi, hola, "hei\nhei", hej\r\nhello, hi, hola, "hei\nhei", "hej\r\ngreat", you?'
In [343]: [r for r in re.finditer(r'([^(\r\n)])+', test)]
Out[343]:
[<_sre.SRE_Match object; span=(0, 6), match='hello '>,
<_sre.SRE_Match object; span=(8, 28), match=' you, hi, hola, "hei'>,
<_sre.SRE_Match object; span=(29, 38), match='hei", hej'>,
<_sre.SRE_Match object; span=(40, 61), match='hello, hi, hola, "hei'>,
<_sre.SRE_Match object; span=(62, 72), match='hei", "hej'>,
<_sre.SRE_Match object; span=(74, 86), match='great", you?'>]
所以我们尝试了一种不同的方法:创建一个模式来找到我们想要排除的那些,然后尝试否定它:
In [344]: [r for r in re.finditer(r'(\r\n|\n)(?=(?:[^"]*"[^"]*")*[^"]*\Z)', test)]
Out[344]:
[<_sre.SRE_Match object; span=(6, 8), match='\r\n'>,
<_sre.SRE_Match object; span=(38, 40), match='\r\n'>]
但我们不知道如何正确地否定它。我们使用 re.finditer()
而不是 re.split()
因为我们想要 return 一个生成器。
你可以选择 ([^"\r\n]*(?:"[^"]+"[^"\r\n]*)*)
。
这样,您会发现任何没有换行符或引号的字符串都可以在引号中跟任意数量的字符串。
import re,pprint
test = 'hello \r\n you, hi, hola, "hei\nhei", hej\r\nhello, hi, hola, "hei\nhei", "hej\r\ngreat", you?'
pprint.pprint(re.findall(r'([^\"\r\n]*(?:\"[^\"]+\"[^\"\r\n]*)*)', test))
将输出:
['hello ',
' you, hi, hola, "hei\nhei", hej',
'hello, hi, hola, "hei\nhei", "hej\r\ngreat", you?']
我们希望将出现在换行符(\r\n
、\n
或 \r
)之间的字符组合在一起,但忽略出现在引号内的换行符。像这样:
test = 'hello \r\n you, hi, hola, "hei\nhei", hej\r\nhello, hi, hola, "hei\nhei", "hej\r\ngreat", you?'
match -> hello
match -> you, hi, hola, "hei\nhei", hej
match -> hello, hi, hola, "hei\nhei", "hej\r\ngreat", you?
我们设法让一些东西可以满足我们的大部分需求,但它不会忽略引号内的换行符:
In [342]: test = 'hello \r\n you, hi, hola, "hei\nhei", hej\r\nhello, hi, hola, "hei\nhei", "hej\r\ngreat", you?'
In [343]: [r for r in re.finditer(r'([^(\r\n)])+', test)]
Out[343]:
[<_sre.SRE_Match object; span=(0, 6), match='hello '>,
<_sre.SRE_Match object; span=(8, 28), match=' you, hi, hola, "hei'>,
<_sre.SRE_Match object; span=(29, 38), match='hei", hej'>,
<_sre.SRE_Match object; span=(40, 61), match='hello, hi, hola, "hei'>,
<_sre.SRE_Match object; span=(62, 72), match='hei", "hej'>,
<_sre.SRE_Match object; span=(74, 86), match='great", you?'>]
所以我们尝试了一种不同的方法:创建一个模式来找到我们想要排除的那些,然后尝试否定它:
In [344]: [r for r in re.finditer(r'(\r\n|\n)(?=(?:[^"]*"[^"]*")*[^"]*\Z)', test)]
Out[344]:
[<_sre.SRE_Match object; span=(6, 8), match='\r\n'>,
<_sre.SRE_Match object; span=(38, 40), match='\r\n'>]
但我们不知道如何正确地否定它。我们使用 re.finditer()
而不是 re.split()
因为我们想要 return 一个生成器。
你可以选择 ([^"\r\n]*(?:"[^"]+"[^"\r\n]*)*)
。
这样,您会发现任何没有换行符或引号的字符串都可以在引号中跟任意数量的字符串。
import re,pprint
test = 'hello \r\n you, hi, hola, "hei\nhei", hej\r\nhello, hi, hola, "hei\nhei", "hej\r\ngreat", you?'
pprint.pprint(re.findall(r'([^\"\r\n]*(?:\"[^\"]+\"[^\"\r\n]*)*)', test))
将输出:
['hello ',
' you, hi, hola, "hei\nhei", hej',
'hello, hi, hola, "hei\nhei", "hej\r\ngreat", you?']