Python正则表达式负面看后面没有失败的匹配

Question

我正在写一个正则表达式来匹配电话号码。 我遇到的一个问题是一些邮政编码看起来像电话号码。 例如，在巴西，邮政编码如下所示：

30.160-0131

所以一个简单的正则表达式会将它们捕获为误报：

In [63]: re.search(r"(?P<phone>\d+\.\d+-\d+)", "30.160-0131")
Out[63]: <_sre.SRE_Match at 0x102150990>

幸运的是，这样的邮政编码通常带有一个前缀，通常意味着“邮政编码”，如下所示：

CEP 30.160-0131

所以，如果你看到CEP看起来像一个电话号码，那么它不是一个电话号码 - 它是一个邮政编码。 我一直试图写一个正则表达式来捕捉使用负面的后观 ，但它不起作用。 它仍然匹配：

In [62]: re.search(r"(?<!CEP )(\d+\.\d+-\d+)", "CEP 30.160-0131")
Out[62]: <_sre.SRE_Match at 0x102150eb8>

为什么它仍然匹配，如何让负面的后卫失败？

Answer 1

表达式匹配，因为您没有执行任何操作来锚定数字。 例如：

"CEP 11.213-132"

将匹配1.213-132因为它不会立即跟随CEP 。 但是你可以强制在第一个数字之前的空格或行锚的开头：

re.search(r"(?<!CEP)(?:\s+|^)(\d+\.\d+-\d+)", s)

Answer 2

如果您允许匹配这些邮政编码，并且仍然只提取电话号码，则可以避免否定前瞻：

m = re.search(r"CEP \d+\.\d+-\d+|(\d+\.\d+-\d+)", s)

然后检查m.group(1)是否有电话号码。

---

re.findall小演示：

>>> import re
>>> s = "There is a CEP 30.160-0131 and a  30.160-0132 in that sentence, which repeats itself like there is a CEP 30.160-0131 and a  30.160-0132 in that sentence."
>>> m = re.findall(r"CEP \d+\.\d+-\d+|(\d+\.\d+-\d+)", s)
>>> print(m)
['', '30.160-0132', '', '30.160-0132']

从那里，你可以过滤掉空字符串。