Python正则表达式积极向前看

Question

我有以下正则表达式，它应该找到以标点符号结尾的单词序列。前瞻功能确保在比赛后有空格和大写字母或数字。

pat1 = re.compile(r"\w.+?[?.!](?=\s[A-Z\d])"

以下前瞻的功能是什么？

pat2 = re.compile(r"\w.+?[?.!](?=\s+[A-Z\d])"

Python 3.2支持变量预测（\ s +）吗？我没有得到任何错误。此外，我看不出两种模式有任何差异。无论我有多少空白，两者似乎都是一样的。在前瞻中是否有关于\ s +目的的解释？

Answer 1

不同之处在于，第一个前瞻在数字或大写字母之前需要完全一个空白字符，而第二个预期至少有一个空白字符但是尽可能多

+被称为量词。它意味着尽可能多的1到n。

回顾一下

\s (Exactly one whitespace character allowed. Will fail without it or with more than one.)
\s+ (At least one but maybe more whitespaces allowed.)

Further studying.

I have multiple blanks, the \w.+? continues to match the blanks until the last blank before the capital letter

要回答此评论，请考虑：

\ w。+？实际上匹配？

单个字符[a-zA-Z0-9_]后跟至少一个“任意”字符（换行符除外），但 lazy 量词+？ 。因此，在您的情况下，它会留下一个空格，以便以后的前瞻匹配。因此，除了一个空白之外，您将消耗所有空白。这就是你在输出中看到它们的原因。

Answer 2

我不确定你在这里想要达到什么目的。

通过标点符号结束的单词序列可以与以下内容匹配：

re.findall(r'([\w\s]*[\?\!\.;])', s)

前瞻需要另一个字符串吗？

无论如何：

• \ s需要一个且只有一个空间;
• \ s +要求至少一个空格。

是的，即使在python 2.x

中，前瞻也会接受“+”修饰符

和以前一样，但有一个前瞻：

re.findall(r'([\w\s]*[\?\!\.;])(?=\s\w)', s)

或

re.findall(r'([\w\s]*[\?\!\.;])(?=\s+\w)', s)

你可以尝试以下类似的东西：

s='Stefano ciao.   a domani. a presto;'

根据您的字符串，可能需要或不需要前瞻，并且可能会或可能不会更改为具有“+”多个空格选项。