python正则表达式系列（5）——零宽断⾔
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 = repile(r'\b\w+(?=ing\b)')
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\b)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’\b’符号，并且这个位置前⾯的字符串满⾜正则：\b\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 = repile(r'\b\w+(?=ing\b)')
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 = repile(r'(?<=\bdo)\w+\b')
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 = repile(r'\b\w+(?!ing\b)')
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：
python正则表达式不包含
s = 'done run going'
p = repile(r'\b\w{2}(?!ing\b)')
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 = repile(r'(?<!\bdo)\w+\b')
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 = repile(r'(?<!\bdo)\w{2}\b')
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 = repile(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 = repile(r'(?<!\bx)\w+(?!y\b)')
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 = repile(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 = repile(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 = repile(r'^(?!_)(?!\d)(?!\d+$)(?![a-zA-Z]+$)\w{4}$')
print'【Output】'
for s in strs:
print re.findall(p,s)
【Output】[]
[]
[]
['a_12'] []
[]
[]
[]

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。