Question

我想找到一种更好的方法来获得结果。我使用regex pattern来匹配(DD+ some text DDDD some other text)形式的所有文本，当且仅当它不以非固定宽度后向术语开头。如何在我的REGEX pattern中包含这些术语？

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)

输出是我期望的

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

Answer 1

您可能会使用一种黑客手段，即在预期匹配之前捕获php或python，如果该组不为空（如果已匹配），则丢弃当前匹配，否则丢弃该匹配有效。

请参见

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

模式包含2个捕获组：

(?:(php|python).*?)?-最后一个?使该组成为可选，它匹配并捕获到组1 php或python中，然后捕获到0+个字符，并尽可能少
((?:\d+\s?[^\W\d_]+\s?)?\d{2}\s?\d{3}\s?\w.+)-这是第2组，基本上是您的模式，没有冗余组。

如果第1组匹配，我们需要返回一个空结果，否则，返回第2组值：

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))

结果：

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

Answer 2

由于后面的负向观察必须为固定长度，因此您必须使用 超前超前，定位到字符串的开头，检查第一位数字之前的部分。

其中应包括：

一系列非数字（可能为空）。
您的“禁止”字符串中的任何一个。

这样，如果要检查的字符串包含 python 或 php 之前第一个数字，该超前将失败，从而阻止了该字符串进一步处理。

由于^锚，其余正则表达式必须首先与序列匹配非数字（“ DD +”部分之前的数字），然后应该有正则表达式。

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+)

详细信息：

^(?!-字符串的开头，并且负向提前查找：
- \D*-一系列非数字（可能为空）。
- (?:python|php)-“禁止”字符串中的任何一个，作为非捕获字符串组（无需捕获）。
)-否定超前结束。
\D*-一系列非数字（要匹配的数字之前）。
(\d+)\s?-第一个数字序列+可选空格。
([^\W\d_]+)\s?-一些1号文字+可选空格。
(\d{2}\s?\d{3})\s?-第二个数字序列（可选中间的空格）+可选的空格。
(\w+)-一些第2号文字。

与其他解决方案相比，我的解决方案的优势在于您无需担心检查第一组是否匹配。在这里您只会得到“正面” 情况，不需要任何检查。

有关工作示例，请参见https://regex101.com/r/gl9nWx/1

没有固定宽度的Python Regex负向后匹配

2 个答案: