如何捕捉前瞻性的后瞻性正则表达式python

Question

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？

Answer 1

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))

Ideone演示

Answer 2

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)
 )

Answer 3

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。

Answer 4

试试这个

(?<=ADDITIONAL\s).*?(?=\sLanguages)

正则表达式演示

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,']

Answer 5

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

Answer 6

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»

---

Regex101演示