为什么lookback中的有限重复在某些方面不起作用?

关于后视支持

主要的regex风格对lookback有不同的支持;有些规定了某些限制,有些甚至根本不支持。

• Javascript:不支持
• Java:仅限有限长度

工具书类

• regular-expressions.info/Flavor comparison

蟒蛇

\d{1,2} 显然没有固定的长度。您可以通过交替使用两个不同的固定长度lookbehind来“修复”此问题,例如:

(?<=^\d\/)\d{1,2}|(?<=^\d\d\/)\d{1,2}

或者,您可以将两个lookbehind作为非捕获组的替代:

(?:(?<=^\d\/)|(?<=^\d\d\/))\d{1,2}

(请注意,您可以使用 \d 没有括号)。

也就是说,使用捕获组可能要简单得多:

^\d{1,2}\/(\d{1,2})

请注意 findall 如果只有一个组,则返回组1捕获的内容。捕获组比lookback得到更广泛的支持,并且常常导致更可读的模式(例如在本例中)。

此片段演示了以上所有要点:

p = re.compile(r'(?:(?<=^\d\/)|(?<=^\d\d\/))\d{1,2}')

print(p.findall("12/34/56"))   # "[34]"
print(p.findall("1/23/45"))    # "[23]"

p = re.compile(r'^\d{1,2}\/(\d{1,2})')

print(p.findall("12/34/56"))   # "[34]"
print(p.findall("1/23/45"))    # "[23]"

p = re.compile(r'(?<=^\d{1,2}\/)\d{1,2}')
# raise error("look-behind requires fixed-width pattern")

• regular-expressions.info/Lookarounds , Character classes , Alternation , Capturing groups

Java只支持有限长度的lookbehind,因此您可以使用 \d{1,2}

    String text =
        "12/34/56 date\n" +
        "1/23/45 another date\n";

    Pattern p = Pattern.compile("(?m)(?<=^\\d{1,2}/)\\d{1,2}");
    Matcher m = p.matcher(text);
    while (m.find()) {
        System.out.println(m.group());
    } // "34", "23"

(?m) 是嵌入式的吗 Pattern.MULTILINE 以便 ^ 匹配每行的开头。还要注意的是 \ 是字符串文字的转义字符,必须写入 "\\" 在Java中得到一个反斜杠。

C-夏普

C#支持lookback上的完整regex。下面的代码片段显示了如何使用 + 回头看:

var text = @"
1/23/45
12/34/56
123/45/67
1234/56/78
";

Regex r = new Regex(@"(?m)(?<=^\d+/)\d{1,2}");
foreach (Match m in r.Matches(text)) {
  Console.WriteLine(m);
} // "23", "34", "45", "56"

@-quoted string 这样你就不用逃跑了 \ .

为了完整起见,下面是如何使用C#中的捕获组选项:

Regex r = new Regex(@"(?m)^\d+/(\d{1,2})");
foreach (Match m in r.Matches(text)) {
  Console.WriteLine("Matched [" + m + "]; month = " + m.Groups[1]);
}

鉴于之前的 text ,此打印:

Matched [1/23]; month = 23
Matched [12/34]; month = 34
Matched [123/45]; month = 45
Matched [1234/56]; month = 56

相关问题

• How can I match on, but exclude a regex pattern?

除非使用lookback有一个特定的原因,而这个原因在问题中没有提到,那么简单地匹配整个东西,只捕获你感兴趣的部分怎么样?

JavaScript示例:

>>> /^\d{1,2}\/(\d{1,2})\/\d{1,2}$/.exec("12/12/12")[1]
"12"

引用 regular-expressions.info :

坏消息是大多数正则表达式 所有的正则表达式都在后面,因为 它们不能应用正则表达式 向后的。因此 表达式引擎需要能够 计算出要后退多少步 在检查后方之前。

因此,许多正则表达式的味道, Python,只允许固定长度 比赛的长度是多少 预定的。这意味着你可以使用 不能使用重复或可选 只有在备选方案中的所有选项

换句话说,您的正则表达式不起作用,因为您在lookback中使用了一个可变宽度表达式,而您的正则表达式引擎不支持这一点。

等

(?<=\b\d\d/|\b\d/)\d{1,2}(?=/\d{2}\b)

注意,替换必须在lookbehind子表达式的顶层。你可能会像我一样,想找出一些共同的因素,比如:

(?<=\b(?:\d\d/|\d)/)\d{1,2}(?=/\d{2}\b)

第二个例外更有用: \K ,由Perl和PCRE支持。它实际上意味着“假装比赛真的从这里开始。”任何出现在正则表达式之前的东西都被视为一个积极的回顾。与.NET lookbehinds一样,没有限制;在正常正则表达式中出现的任何东西都可以在 \K公司

\b\d{1,2}/\K\d{1,2}(?=/\d{2}\b)

但大多数时候,当有人对lookbehinds有问题时,他们甚至不应该使用它们。正如@insin所指出的,通过使用捕获组可以更容易地解决这个问题。

编辑: