python 中消极回头的奇怪行为

Question

我正在尝试 re.split 使用利用后视的正则表达式。我想拆分前面没有 \r 的换行符。使事情复杂化的是，如果它前面有某个子字符串，我也不想在 \n 上拆分：XYZ.

我可以通过安装 regex 模块来解决我的问题，该模块让我可以在后视中进行可变宽度分组。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"

拆分后的样子：

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

没有正则表达式模块的最接近的非工作表达式：

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

但这种分裂导致：

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

而这个我不明白。根据我对 look behinds 的理解，这最后一个表达式应该有效。知道如何使用基本 re 模块完成此操作吗？

Answer 1

您可以使用：

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

在这里，我们将您的回顾断言分解为两个断言：

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

Python 由于此错误

，正则表达式引擎将不允许 (?<!(?:\r|XYZ)) 后视

error: look-behind requires fixed-width pattern

Answer 2

您可以使用 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']

解释：

(?:(?:XYZ|\r)\n|.)+ 如果匹配到XYZ\n 或\r\n 如果匹配的字符不是两者中的那个则控制转移到or 部分即 . 可以匹配任何字符但不匹配换行符。 + 之后非捕获组会重复整个模式一次或多次。

python 中消极回头的奇怪行为

Odd behavior on negative look behind in python

python

regex

lookbehind