[英]How to capture both lookahead lookbehind regex python
这是一个字符串:
str = "Academy \nADDITIONAL\nAwards and Recognition: Greek Man of the Year 2011 Stanford PanHellenic Community, American Delegate 2010 Global\nEngagement Summit, Honorary Speaker 2010 SELA Convention, Semi-Finalist 2010 Strauss Foundation Scholarship Program\nComputer Skills: Competency: MATLAB, MySQL/PHP, JavaScript, Objective-C, Git Proficiency: Adobe Creative Suite, Excel\n(highly advanced), PowerPoint, HTML5/CSS3\nLanguages: Fluent English, Advanced Spanish\n\x0c"
我想从“ADDTIONAL”捕获到“语言”,所以我写了这个正则表达式:
regex = r'(?<=\n(ADDITIONAL|Additional)\n)[\s\S]+?(?=\n(Languages|LANGUAGES)\n*)'
然而它只能捕捉到它们之间的所有东西([\\s\\S]+)
。 它不会捕获ADDTIONAL
和Languages
。 我在这里错过了什么?
你的正则表达式是
regex = r'(?<=\n(ADDITIONAL|Additional)\n)[\s\S]+?(?=\n(Languages|LANGUAGES)\n*)'
你的字符串是
Academy \nADDITIONAL\nAwards and Recognition: ... \nLanguages:
^^ ^^
|| ||
Match Position:-(?<=\n(ADDITIONAL|Additional)\n)(?=\n(Languages|LANGUAGES)\n*)
那么[\\s\\S]+?
将包含这两个位置之间的内容,不包括ADDITIONAL
和LANGUAGES
。
你只需要找到ADDITIONAL
的起始位置和LANGUAGES
结束位置。 这可以使用以下正则表达式完成
(?=\n(ADDITIONAL|Additional)\n)([\s\S]+?)(?<=\n(Languages|LANGUAGES)\b)
此外,如果你想要[\\s\\S]+?
只捕获所有内容,然后您可以使用非捕获组来Additional
和Languages
(?=\n(?:ADDITIONAL|Additional)\n)[\s\S]+?(?<=\n(?:Languages|LANGUAGES)\b)
Academy \nADDITIONAL\nAwards and Recognition: ... \nLanguages:
^^ ^^
|| ||
(?=\n(ADDITIONAL|Additional)\n) (?<=\n(Languages|LANGUAGES))
Python代码
p = re.compile(r'(?=\n(?:ADDITIONAL|Additional)\n)[\s\S]+?(?<=\n(?:Languages|LANGUAGES)\b)', re.MULTILINE)
test_str = "Academy \nADDITIONAL\nAwards and Recognition: Greek Man of the Year 2011 Stanford PanHellenic Community, American Delegate 2010 Global\nEngagement Summit, Honorary Speaker 2010 SELA Convention, Semi-Finalist 2010 Strauss Foundation Scholarship Program\nComputer Skills: Competency: MATLAB, MySQL/PHP, JavaScript, Objective-C, Git Proficiency: Adobe Creative Suite, Excel\n(highly advanced), PowerPoint, HTML5/CSS3\nLanguages: Fluent English, Advanced Spanish\n\x0c"
print(re.findall(p, test_str))
它被捕获但它不是捕获组0的一部分,因为组0
仅包含消耗的匹配,即移动当前的匹配
位置。
断言不会移动位置,所以如果你捕获一个断言
它不会成为比赛的一部分。
但是,如果断言之后是一些消耗的子表达式
在断言中引用的那些,它将成为整体匹配的一部分。
您当前的正则表达式与您的字符串不匹配。 匹配你拥有的字符串
删除换行符\\n
引用。
(?<=
( ADDITIONAL | Additional ) # (1)
)
[\s\S]+?
(?=
( Languages | LANGUAGES ) # (2)
)
如果你想在匹配中包含它们,不要把它们放在外观中,因为它们的目的是测试周围的文本而不在匹配结果中包含它。 如果您只是需要更换,请使用普通的非捕获组。
regex = r'\n(?:ADDITIONAL|Additional)\n[\s\S]+?\n(?:Languages|LANGUAGES)\n*'
顺便说一句,你的正则表达式需要在ADDITIONAL
和Languages
周围换行,但你的字符串中没有任何换行符。
试试这个
(?<=ADDITIONAL\s).*?(?=\sLanguages)
说明:
(?<=…)
:正面的后视样本
\\s
:“空白字符”:空格,制表符,换行符,回车符,垂直制表符样本
.
:除了换行符的任何字符样本
*
: 样品零次或多次
?
:一次或不一次样品
(?=…)
:前瞻性样本
蟒蛇:
import re
p = re.compile(ur'(?<=ADDITIONAL\s).*?(?=\sLanguages)', re.IGNORECASE)
test_str = u"the companys direction ADDITIONAL Awards: 2010 Global Engagement Summit, Languages: Fluent Japanese"
g = re.findall(p, test_str)
print g //[u'Awards: 2010 Global Engagement Summit,']
如果您需要捕获包含ADDITIONAL
和LANGUAGES
,请使用这样的简单正则表达式。
\b(ADDITIONAL .* Languages)\b
在解决方案中使用时,请确保包含re.IGNORECASE标志。
请参阅REGEX101上的演示
我想你很容易让事情复杂化,即:
match = re.search("(ADDITIONAL.*?Languages)", subject, re.MULTILINE)
正则表达式解释:
(ADDITIONAL.*?Languages)
Match the regex below and capture its match into backreference number 1 «(ADDITIONAL.*?Languages)»
Match the character string “ADDITIONAL” literally (case sensitive) «ADDITIONAL»
Match any single character that is NOT a line break character (line feed) «.*?»
Between zero and unlimited times, as few times as possible, expanding as needed (lazy) «*?»
Match the character string “Languages” literally (case sensitive) «Languages»
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.