本文主要总结了python正则零宽断言(zero-length-assertion)的一些常用用法。
1. 什么是零宽断言
有时候在使用正则表达式做匹配的时候,我们希望匹配一个字符串,这个字符串的前面或后面需要是特定的内容,但我们又不想要前面或后面的这个特定的内容,这时候就需要零宽断言的帮助了。所谓零宽断言,简单来说就是匹配一个位置,这个位置满足某个正则,但是不纳入匹配结果的,所以叫“零宽”,而且这个位置的前面或后面需要满足某种正则。
比如对于一个字符串:"finished going done doing",我们希望匹配出其中的以ing结尾的单词,就可以使用零宽断言:
import re
s = 'finished going done doing'
p = re.compile(r'w+(?=ing)')
print '【Output】'
print [x + 'ing' for x in re.findall(p,s)]
【Output】
['going', 'doing']
可以看出从中匹配出了'going'和'doing‘两个单词,达到目的。
这里正则中使用的(?=ing)
就是一种零宽断言,它匹配这样一个位置:这个位置有一个'ing'字符串,后面跟着一个''符号,并且这个位置前面的字符串满足正则:w+
,于是匹配结果就是:['go','do']
2. 不同的零宽断言
零宽断言分为四种:正预测先行断言、正回顾后发断言、负预测先行断言、负回顾后发断言,不同的断言匹配的位置不同。
总结一下,这几个仿佛说的不是"人话"的令人费解的名词可以这样理解:其中的“正”指的是肯定预测,即某个位置满足某个正则,而与之对应的“负”则指的是否定预测,即某个位置不要满足某个正则;其中的“预测先行”则指的是“往后看”,“先往后走”的意思,即这个位置是出现在某一个字符串后面的,而与之相反的“回顾后发”则指的是相反的意思:“往前看”,即匹配的这个位置是出现在某个字符串的前面的。
不理解没关系,我们用实例说话,下面对每种零宽断言进行详细介绍。
1. 正预测先行断言:(?=exp)
匹配一个位置(但结果不包含此位置)之前的文本内容,这个位置满足正则exp,举例:匹配出字符串s中以ing结尾的单词的前半部分:
s = "I'm singing while you're dancing."
p = re.compile(r'w+(?=ing)')
print '【Output】'
print re.findall(p,s)
【Output】
['sing', 'danc']
2. 正回顾后发断言:(?<=exp)
匹配一个位置(但结果不包含此位置)之后的文本,这个位置满足正则exp,举例:匹配出字符串s中以do开头的单词的后半部分:
s = "doing done do todo"
p = re.compile(r'(?<=do)w+')
print '【Output】'
print re.findall(p,s)
【Output】
['ing', 'ne']
3. 负预测先行断言:(?!exp)
匹配一个位置(但结果不包含此位置)之前的文本,此位置不能满足正则exp,举例:匹配出字符串s中不以ing结尾的单词的前半部分:
s = 'done run going'
p = re.compile(r'w+(?!ing)')
print '【Output】'
print re.findall(p,s)
【Output】
['done', 'run', 'going']
可见,出问题了,这不是我们预期的结果(预期的结果是:done和run),这是因为负向断言不支持匹配不定长的表达式,将p改一下再匹配:
s = 'done run going'
p = re.compile(r'w{2}(?!ing)')
print '【Output】'
print re.findall(p,s)
【Output】
['do', 'ru']
可见一次只能匹配出固定长度的不以ing结尾的单词,没有完全达到预期。这个问题还有待解决。
4. 负回顾后发断言:(?<!exp)
匹配一个位置(但结果不包含此位置)之后的文本,这个位置不能满足正则exp,举例:匹配字符串s中不以do开头的单词:
s = 'done run going'
p = re.compile(r'(?<!do)w+')
print '【Output】'
print re.findall(p,s)
【Output】
['done', 'run', 'going']
可见也存在与负预测先行断言相同的问题,改一下:
s = 'done run going'
p = re.compile(r'(?<!do)w{2}')
print '【Output】'
print re.findall(p,s)
【Output】
['un', 'ng']
5. 正向零宽断言的结合使用
举例:字符串ip是一个ip地址,现在要匹配出其中的四个整数:
ip = '160.158.0.77'
p = re.compile(r'(?<=.)?d+(?=.)?')
print '【Output】'
print re.findall(p,ip)
【Output】
['160', '158', '0', '77']
6. 负向零宽断言的结合使用
举例:匹配字符串s中的一些单词,这些单词不以'x'开头且不以'y'结尾:
s = 'xaay xbbc accd'
p = re.compile(r'(?<!x)w+(?!y)')
print '【Output】'
print re.findall(p,s)
【Output】
['xaay', 'xbbc', 'accd']
可见这里因为负向断言不支持不定长表达式,所以也存在和前面相同的问题。
3. 零宽断言的应用
1. 匹配html标签之间的内容
s = '<span>Hello world!</span>'
p = re.compile(r'(?<=<(?:w+)>(.*)(?=</1>))')
print '【Output】'
print re.findall(p,s)
# 报错:error: look-behind requires fixed-width pattern
上面的报错是因为零宽断言的正则中不能含有不定长的表达式,改一下:
s = '<span>Hello world!</span>'
p = re.compile(r'(?<=<(w{4})>)(.*)(?=</1>)')
print '【Output】'
print re.findall(p,s)
【Output】
[('span', 'Hello world!')]
2. 匹配存在多种规则约束(含否定规则)的字符串
匹配一个长度为4个字符的字符串,该字符串只能由数字、字母或下划线3种字符组成,且必须包含其中的至少两种字符,且不能以下划线或数字开头:
# 测试数据
strs = ['_aaa','1aaa','aaaa','a_12','a1','a_123','1234','____']
p = re.compile(r'^(?!_)(?!d)(?!d+$)(?![a-zA-Z]+$)w{4}$')
print '【Output】'
for s in strs:
print re.findall(p,s)
【Output】
[]
[]
[]
['a_12']
[]
[]
[]
[]
3. 注意点
零宽断言虽然也是用小括号括起来的,但不占用分组的默认命名空间。举例如下:
s = 'goingxxx'
# 在紧跟'ing'后面的字符串前加上'AAA'
print re.sub(r'(?<=ing)(w+)',r'AAA1',s)
# 输出: goingAAAxxx