代码之家 › 专栏 › 技术社区 › J. Doe

Python正则表达式无固定宽度的负lookback匹配

regex python

J. Doe · 技术社区 · 6 年前

我想找到一个更好的方法来得到我的结果。我用一个 regex pattern (DD+ some text DDDD some other text) 当且仅当它不在非固定宽度查找项的前面时。我怎样才能把这些术语包含在我的语言中 REGEX pattern

aa = pd.DataFrame({"test": ["45 python 00222 sometext",
                            "python white 45 regex 00 222 somewhere",
                            "php noise 45 python 65000 sm",
                            "otherword 45 python 50000 sm"]})
pattern = re.compile("(((\d+)\s?([^\W\d_]+)\s?)?(\d{2}\s?\d{3})\s?(\w.+))")
aa["result"] = aa["test"].apply(lambda x: pattern.search(x)[0] if pattern.search(x) else None)
lookbehind = ['python', 'php']
aa.apply(lambda x: "" if any(look in x["test"].replace(x["result"], "") for look in lookbehind) else x["result"], axis=1)

输出是我所期望的

0    45 python 00222 sometext
1                            
2                            
3          45 python 50000 sm

2 回复 | 直到 6 年前

Wiktor StribiÅ¼ew 6 年前

php 或 python 在预期匹配之前,如果组不为空(如果匹配),则放弃当前匹配,否则匹配有效。

看到了吗

pattern = re.compile(r"(?:(php|python).*?)?((?:\d+\s?[^\W\d_]+\s?)?\d{2}\s?\d{3}\s?\w.+)")

(?:(php|python).*?)? -最后一个 ? 菲律宾比索 或 ,然后是0+个字符,尽可能少
((?:\d+\s?[^\W\d_]+\s?)?\d{2}\s?\d{3}\s?\w.+) -这是第二组,基本上是你的模式,没有多余的组。

如果组1匹配,我们需要返回一个空结果,否则,组2值:

def callback(v):
    m = pattern.search(v)
    if m and not m.group(1):
        return m.group(2)
    return ""

aa["test"].apply(lambda x: callback(x))

0    45 python 00222 sometext
1                            
2                            
3          45 python 50000 sm

Valdi_Bo 6 年前

作为消极的回头看必须是 固定长度 ,你必须使用 ,锚定到字符串的开头,检查

它应包括:

非数字序列(可能为空)。
你的任何一根“禁”弦。

这样,如果要检查的字符串包含或 菲律宾比索 之前第一个数字,这个lookahead将失败,阻止这个字符串进一步处理。

因为 ^ 非数字(在“DD+”部分之前是什么),然后应该有您的正则表达式。

因此要使用的正则表达式如下:

^(?!\D*(?:python|php))\D*(\d+)\s?([^\W\d_]+)\s?(\d{2}\s?\d{3})\s?(\w+)

细节:

^(?! -字符串开头和负展望:
- \D* -非数字序列(可以是空的)。
- (?:python|php) -一种“禁止”的字符串,作为非捕获字符串组(无需捕获)。
) -负面展望结束。
\D级*
(\d+)\s? -第一个数字序列+可选空格。
([^\W\d_]+)\s? -一些文本1+可选空格。
(\d{2}\s?\d{3})\s? -第二个数字序列(可选
(\w+) -一些2号文本。

我的解决方案比其他解决方案的优点是你不受检查第一组是否匹配。在这里你只得到“积极的” 不需要任何检查的箱子。

https://regex101.com/r/gl9nWx/1