python正则表达式

前向匹配和后向匹配

术语介绍
模式正向向后查找 positive look-behind(?<=)
正向向前查找positive look-ahead(?=)
负向向后查找negative look-behind(?<!)
负向向前查找negative look-ahead(?!)
正向和负向指的分别是 出现则匹配 和 不出现则匹配

1. (?<=[pattern])和 (?<![pattern])

• 功能
  匹配[pattern]的内容，但在结果中并不会返回这个子模式
• 用法
  (?<=[pattern])是放在待匹配正则表达式 之前的，(?=[pattern])是放在待匹配正则表达式之后； 相关用法如下所示

正则表达式	是否正确
(?<=[pattern1])[pattern2](?=[pattern3])	✅
(?=[pattern1])[pattern2](?<=[pattern3])	❌
[pattern4](?<=[pattern1])[pattern2](?=[pattern3])	✅
[pattern4](?<=[pattern1])[pattern2](?=[pattern3])[pattern5]	✅
(?<=[pattern1])[pattern2]	✅
[pattern2](?=[pattern1])	✅

要匹配的正则表达式在(?<=[pattern])后面，所以匹配的时候是往后看的，所以(?<=[pattern])就叫look-behind。需要注意(?<=[pattern])里的子模式pattern的宽度一定要确定，也就是子模式中不能出现*?+等模式

• 实验
  识别出下面句子里所有的姓氏

Dr.David Jone, Ophthalmology, Ms.Cindy Harriman, Registry, Mr.Chester Addams, Mortuary, Dr.Hawkeye Pierce, Surgery

每个姓氏前面都是空格，后面都是逗号，因此可以写成如下形式

import re
pattern=re.compile(r'(?<=\s)([A-Za-z]*)(?=,)')
string = "Dr.David Jone, Ophthalmology, Ms.Cindy Harriman, Registry, Mr.Chester Addams, Mortuary, Dr.Hawkeye Pierce, Surgery"
res = pattern.findall(string)
print(res)

输出结果

['Jone', 'Ophthalmology', 'Harriman', 'Registry', 'Addams', 'Mortuary', 'Pierce']

2. (?<![pattern])和(?![pattern])

• 功能
  如果没出现[pattern]的内容就匹配，但在结果中并不会返回这个子模式
• 用法
  (?<![pattern])是放在待匹配正则表达式之前的，(?![pattern])是放在待匹配正则表达式之后

3. 非捕获组(?:[pattern])

• 功能
  匹配[pattern]，但不会记录这个组

• 实验

import re
s = 'Cake is better than potato'
pattern = re.compile(r'(?:is\s)better(\sthan)')
print("out1:", pattern.search(s).group(0))
print("out2:", pattern.search(s).group(1)) 

输出

out1: is better than
out2:  than

Match对象的group(num/name)方法返回的是对应组的内容，子模式序号从1开始。group(0)返回的是整个模式的匹配内容（is better than），而group(1)返回的是第1个子模式的内容（ than）。
这里可以发现第1个子模式对应的是(\sthan)而不是(?:is\s)，也就是说(?:is\s)这个组未被捕获（没有被记录）

前向查找和非捕获组的区别

positive look-ahead（正向向前查找） (?=[pattern]) 和 positive look-behind（正向向后查找） (?<=[pattern]) 是 出现[pattern]则匹配，但并不返回该子模式匹配的内容，它们和(?:[pattern])有什么区别呢？

import re
s = 'Cake is better than potato'
pattern1 = re.compile(r'(?:is\s)better(\sthan)')
pattern2 = re.compile(r'(?<=is\s)better(\sthan)')
print("p1g0:", pattern1.search(s).group(0))
print("p1g1:", pattern1.search(s).group(1))
print("p2g0:", pattern2.search(s).group(0))
print("p2g1:", pattern2.search(s).group(1))

输出

p1g0: is better than
p1g1:  than
p2g0: better than
p2g1:  than

结论

• (?<=[pattern])和(?=[pattern])是匹配到了[pattern]不会返回、亦不会记录（捕获）[pattern]子模式，所以在上面例子中整个模式的匹配结果中没有 is空格。
• (?:[pattern])是匹配到了[pattern]会返回，但不会记录（捕获）[pattern]子模式，所以在上面例子中整个的匹配结果中有 is空格。
• (?:[pattern])，(?<=[pattern])，(?=[pattern]) 的共同点是 都不会记录[pattern]子模式（子组），所以上面例子中group(1)找到的第1个组的内容是(\sthan)匹配到的空格than

参考

Python正则表达式细节小记