lookahead和positive lookbehind

下了一本txt格式的小说，发现里面很多不是段落结束的地方竟然用了回车，看着很不爽，立刻祭起Python，想把里面所有的不该出现的回车消除掉。读取文件内容后，顺手写下re.sub(r'[^\n]\n[^\n]', '', content)，很简单的一个正则，就是找出单个的换行符并且替换掉。用Java习惯了，因为Java的正则表达式没有lookahead等功能，我也很少时候。做完了想起python是支持lookahead的，何不试试。

 

先看看文档

(?=...)

Matches if ... matches next, but doesn't consume any of the string. This is called a lookahead assertion. For example, Isaac (?=Asimov) will match 'Isaac ' only if it's followed by 'Asimov' .

 

就是说如果括号里的...能匹配接下来的字符串，那么就尝试匹配当前字符串，但是不消耗任何东西。这东西叫做： 前视断言。例如Isaac (?=Asimov)只有在Isaac后面跟着Asimov的时候才能匹配Isaac

 

我试了下

>>>re.sub(r'a(?=bc)', 'X', 'abc a')
Xbc a

 果然不错，能能只能替换后面紧跟着bc的a，如果不用前视断言，那就得

>>>re.sub(r'a(bc)', r'X\1', 'abc a')
Xbc a

 看到了吧，还要把bc捕获以便保留，很麻烦。

 

接着我就犯了个错误，我想前世断言开来就是匹配一个位置，放到我们关注的词的前后应该是无所谓的，一定要区分前后吗

>>>re.sub(r'(?=ab)c', 'X', 'abc c')
abc c

 竟然不是我期望的abX c

然后才想起来，我忽略了“不消耗”三个字。前视断言的确是匹配一个位置，但这个位置只能是它之前的位置。比如

(?=bc)匹配abc中的位置：a(这里)bc，只匹配括号ab之间的位置。匹配之后，并没有消耗掉bc，下一个输入字符就是b。所以最后一个例子中，(?=ab)匹配了'abc c'的最开始，由于没有消耗ab，所以下一个输入字符是a，正则表达式期望输入的字符是c，匹配失败，(?=ab)不能匹配其他地方，整个匹配失败。

 

所以一定要注意：

1.lookahead所匹配的是括号里字符串的前面位置

2.没有消耗掉括号里的字符串

 

明白了这一种另外三种应该也没问题了

(?!...)

接下来的字符串不能和括号里的...匹配的时候，匹配当前位置。

 

(?<=...)

前面的字符串能和括号里的...匹配的时候，匹配当前位置。

 

(?<!...)

前面的字符串不能和括号里的...匹配的时候，匹配当前位置。