Python 正则：前后界定和前后非界定

在用正则去匹配识别手机号、QQ、微信号的时候，往往由于输入的文本可能非常的另类，比如，没有标点和隔断，这时`^`和`$`就用不上了。

不用其实也可以识别的，但是有个问题，手机后是11位数字，QQ是5~11或者更多数字，有可能从手机号中破坏性的匹配到QQ号。当然，此一类问题前后界定和前后非界定都适用。

前后界定和前后非界定中的界定的意思是：边界字符限制必须是或必须不能是的意思。

官方说法：

(?=pattern) 零宽正向先行断言(zero-width positive lookahead assertion) ：代表字符串中的一个位置，紧接该位置之后的字符序列能够匹配pattern。
(?!pattern) 零宽负向先行断言(zero-width negative lookahead assertion) ：代表字符串中的一个位置，紧接该位置之后的字符序列不能匹配pattern。 
(?<=pattern) 零宽正向后行断言(zero-width positive lookbehind assertion) ：代表字符串中的一个位置，紧接该位置之前的字符序列能够匹配pattern。 
(?<!pattern) 零宽负向后行断言(zero-width negative lookbehind assertion) ：代表字符串中的一个位置，紧接该位置之前的字符序列不能匹配pattern。 

为了说明问题，假设QQ是最长10位，最少5位的数字：

1 >>> import re
2 >>> cont = "小强的手机号是15877966552"
3 >>> print re.findall(r"[1-9]\d{4,9}",cont)
4 ['1587796655']

结果，正则从手机号中匹配到了结果，这是不对滴。有了前后非界定就好了：

1 >>> print re.findall(r"[1-9]\d{4,9}(?!\d)",cont)
2 []

再例如，文本中出现了成对的符号或字符，但实际上需要的是其内的部分，就用到了前后界定了：

1 >>> cont = "str = '小强的手机号是15877966552'"
2 >>> print re.findall(r"(?=\').*(?=\')",cont)
3 ['\xe5\xb0\x8f\xe5\xbc\xba\xe7\x9a\x84\xe6\x89\x8b\xe6\x9c\xba\xe5\x8f\xb7\xe6\x98\xaf15877966552']

因此，`^`和`$`是包含某字符的匹配，前后界定和前后非界定是不包含某字符的匹配，明白后以便见方抓药。

前行符`<`的作用，就是字面上向前（向左查找），默认为向后（向右查找）。还是上面的字符匹配手机号： 

1 >>> print re.findall(r"(?<=\D)1\d{10}(?!\d)",cont)
2 ['15877966552']
3 >>> print re.findall(r"(?<!\d)1\d{10}(?!\d)",cont)
4 ['15877966552']

参考：正则表达式的先行断言(lookahead)和后行断言(lookbehind)

转载于:https://www.cnblogs.com/yamboo/p/10772590.html