正则表达式首先满足长度然后检查其他模式？

Question

我不知道如何用英文标题准确表达问题，有2条规则

1. 首先，在头部和末端部分尽可能长地满足给定的长度

2. 然后匹配其他模式

例如，

1. 必须读取数字前2~3个字符，如果字符串足够长，则必须读取数字后2~4个字符； 如果字符串不够长，则只读
2. 检查 number 之前的字符是否不是a ，并且 number 之后的字符不是z

--- 编辑于 20220620 ---- 代码正是下表试图表达的内容

import re
lst = {
'abc123defg':'abc123defg',
'babc123defg':'abc123defg',
'aba123defg':'""',
'abc123zefg':'""',
'bc123def':'bc123def',
'c123def':'c123def',
'c123zef':'""',
'c123d':'c123d'
}

reStr = r".{1,2}[^a\d]\d+[^z\d].{1,3}"
reStr = r"^[A-Za-z]{1,2}[B-Zb-z]\d+[A-Ya-y][A-Za-z]{1,3}"

for key, value in lst.items():
    match = re.match(reStr, key, re.IGNORECASE | re.VERBOSE)
    if match:
        print(f'{key:15s} expected to be: {value:15s}, really get: {match.group():15s}')
    else:
        print(f'{key:15s} expected to be: {value:15s}, really get: ""')

--- 以下描述是旧的，我现在没有编辑它

文本	预期的发现	解释
abc123defg	abc123defg	首先阅读“abc123defg”，其中c不会中断[^a] ，并且d不会中断[^z] 。 所以 'abc123defg' 匹配
babc123defg	abc123defg	首先阅读“abc123defg”，其中c不会中断[^a] ，并且d不会中断[^z] 。 所以 'abc123defg' 匹配
aba123defg	没有	首先阅读 'abc123defg'，其中a中断[^a] ，而d不中断[^z] 。 所以''匹配
abc123zefg	没有	首先阅读“abc123defg”，其中c不会中断[^a] ，但z会中断[^z] 。 所以''匹配
bc123def	bc123def	首先阅读'bc123def'，其中c不会中断[^a] ，并且d不会中断[^z] 。 所以 'bc123def' 匹配
c123def	c123def	首先阅读 'c123def'，其中c不会中断[^a] ，并且d不会中断[^z] 。 所以'c123def'被匹配
c123zef	没有	首先阅读“c123def”，其中c不会中断[^a] ，而z会中断[^z] 。 所以 '' 匹配
c123d	c123d	首先阅读 'c123d'，其中c不会中断[^a] ，并且d不会中断[^z] 。 所以 'c123d' 匹配

所以我把正则表达式写在 Python

import re
lst = ['abc123defg', 'aba123defg', 'abc123zefg', 'bc123def']

for text in lst:
    print(text, ' -> ', re.match(r".{1,2}[^a]\d*[^z].{1,3}", text, re.IGNORECASE | re.VERBOSE).group())

但是，当然，答案不是预期的

abc123defg  ->  abc123defg
aba123defg  ->  aba123
abc123zefg  ->  abc123zef
bc123def  ->  bc123def

那么有没有办法只用正则表达式来满足期望呢？ 谢谢

Answer 1

根据您的描述，我将正则表达式更改为：

r".{1,2}[^a\d]\d+[^z\d].{1,3}"

关键是要正确匹配数字：

• 至少一个数字： \d+而不是\d*
• 为了准确知道数字前后的内容，您只需要通过上面提到的\d+来匹配数字。 这就是为什么我在前后“添加” [^\d]的原因。

Answer 2

这 2 条规则可以包含在单个正则表达式模式中。 试试这个表达式：

regex = re.compile("^[A-Za-z]{1,2}[B-Zb-z]\d+[A-Ya-y][A-Za-z]{1,3}")

简单且不言自明：

• 查找 1 到 2 个字母字符
• 再找一个字母字符，不包括字符 A | 一种
• 继续任何数字序列
• 之后，找到另一个字母字符，不包括字符 Z | z
• 再找出 1 到 3 个字母字符

然后您将能够以预期的结果重现您的代码。

对于模式不匹配的情况，将需要一个try子句以避免 None 相关的 AttributeErrors：

for text in lst:
try:
    print(text, ' -> ', re.match("^[A-Za-z]{1,2}[B-Zb-z]\d+[A-Ya-y][A-Za-z]{1,3}", text).group())
except AttributeError:
    print(text, ' -> No pattern found')