为什么在某些风格的外观工作中没有有限的重复？

Question

我想从dd/mm/yy格式的日期解析中间的2位数字，但也允许日期和月份的单位数字。

这就是我想出的：

(?<=^[\d]{1,2}\/)[\d]{1,2}

我想要一个带有1或2位数字的1位或2位数字[\\d]{1,2}并在它之前斜线^[\\d]{1,2}\\/ 。

这不适用于许多组合，我已经测试了10/10/10 / 11/12/13等...

但令我惊讶的是(?<=^\\d\\d\\/)[\\d]{1,2} 。

但是[\\d]{1,2}也应该匹配，如果\\d\\d ，或者我错了？

Answer 1

关于外观支持

主要的正则表达式风格对于后视不同有不同的支持; 有些人施加了某些限制，有些甚至根本不支持。

• Javascript：不支持
• Python：仅限固定长度
• Java：仅限有限长度
• .NET：没有限制

参考

• regular-expressions.info/Flavor比较

---

蟒蛇

在Python中，只支持固定长度的lookbehind，原始模式会引发错误，因为\\d{1,2}显然没有固定的长度。 你可以通过在两个不同的固定长度的lookbehinds上交替来“修复”这个，例如：

(?<=^\d\/)\d{1,2}|(?<=^\d\d\/)\d{1,2}

或者也许您可以将两个lookbehinds作为非捕获组的替代：

(?:(?<=^\d\/)|(?<=^\d\d\/))\d{1,2}

（请注意，您可以使用\\d而不使用括号）。

也就是说，使用捕获组可能要简单得多：

^\d{1,2}\/(\d{1,2})

请注意，如果您只有一个组，则findall将返回组1捕获的内容。 捕获组比后观更受支持，并且通常会导致更易读的模式（例如在这种情况下）。

此片段说明了以上所有要点：

p = re.compile(r'(?:(?<=^\d\/)|(?<=^\d\d\/))\d{1,2}')

print(p.findall("12/34/56"))   # "[34]"
print(p.findall("1/23/45"))    # "[23]"

p = re.compile(r'^\d{1,2}\/(\d{1,2})')

print(p.findall("12/34/56"))   # "[34]"
print(p.findall("1/23/45"))    # "[23]"

p = re.compile(r'(?<=^\d{1,2}\/)\d{1,2}')
# raise error("look-behind requires fixed-width pattern")

参考

• regular-expressions.info/Lookarounds，Character classes ， Alternation ， Capturing groups

---

Java的

Java仅支持有限长度的lookbehind，因此您可以像原始模式一样使用\\d{1,2} 。 以下代码段演示了这一点：

    String text =
        "12/34/56 date\n" +
        "1/23/45 another date\n";

    Pattern p = Pattern.compile("(?m)(?<=^\\d{1,2}/)\\d{1,2}");
    Matcher m = p.matcher(text);
    while (m.find()) {
        System.out.println(m.group());
    } // "34", "23"

请注意， (?m)是嵌入的Pattern.MULTILINE因此^匹配每一行的开头。 另请注意，因为\\是字符串文字的转义字符，所以必须编写"\\\\"以在Java中获得一个反斜杠。

---

C-夏普

C＃支持lookbehind的完整正则表达式。 以下代码段显示了如何在lookbehind上使用+重复：

var text = @"
1/23/45
12/34/56
123/45/67
1234/56/78
";

Regex r = new Regex(@"(?m)(?<=^\d+/)\d{1,2}");
foreach (Match m in r.Matches(text)) {
  Console.WriteLine(m);
} // "23", "34", "45", "56"

请注意，与Java不同，在C＃中，您可以使用@ -quoted字符串，这样您就不必转义\\ 。

为了完整性，以下是您在C＃中使用捕获组选项的方法：

Regex r = new Regex(@"(?m)^\d+/(\d{1,2})");
foreach (Match m in r.Matches(text)) {
  Console.WriteLine("Matched [" + m + "]; month = " + m.Groups[1]);
}

鉴于以前的text ，这打印：

Matched [1/23]; month = 23
Matched [12/34]; month = 34
Matched [123/45]; month = 45
Matched [1234/56]; month = 56

相关问题

• 我如何匹配，但排除正则表达式模式？

Answer 2

除非有一个特定的理由使用在问题中没有注明的lookbehind，如何简单地匹配整个事物而只捕获你感兴趣的位呢？

JavaScript示例：

>>> /^\d{1,2}\/(\d{1,2})\/\d{1,2}$/.exec("12/12/12")[1]
"12"

Answer 3

引用regular-expressions.info ：

坏消息是，大多数正则表达式都不允许您在lookbehind中使用任何正则表达式，因为它们无法向后应用正则表达式。 因此，正则表达式引擎需要能够在检查lookbehind之前找出退回的步骤数。

因此，许多正则表达式，包括Perl和Python使用的那些，只允许固定长度的字符串。 您可以使用任何可以预先确定匹配长度的正则表达式。 这意味着您可以使用文字文本和字符类。 您不能使用重复或可选项。 您可以使用交替，但仅当交替中的所有选项具有相同的长度时。

换句话说，你的正则表达式不起作用，因为你在lookbehind中使用了一个可变宽度表达式，而你的正则表达式引擎不支持它。

Answer 4

除了@polygenelubricants列出的那些之外，“仅限固定长度”规则还有两个例外。 在PCRE（PHP，Apache 等人的正则表达式引擎）和Oniguruma（Ruby 1.9，Textmate）中，lookbehind可以包含一个替换，其中每个替代可以匹配不同数量的字符，只要每个替代的长度是固定的。 例如：

(?<=\b\d\d/|\b\d/)\d{1,2}(?=/\d{2}\b)

请注意，交替必须位于lookbehind子表达式的顶层。 你可能像我一样，想要分解出共同的元素，就像这样：

(?<=\b(?:\d\d/|\d)/)\d{1,2}(?=/\d{2}\b)

......但它不起作用; 在顶层，子表达式现在由一个具有非固定长度的替代方案组成。

第二个例外更有用： \\K ，由Perl和PCRE支持。 它实际上意味着“假装比赛真的从这里开始。” 在正则表达式之前出现的任何东西被视为积极的外观。 与.NET lookbehinds一样，没有任何限制; 普通正则表达式中出现的任何内容都可以在\\K之前使用。

\b\d{1,2}/\K\d{1,2}(?=/\d{2}\b)

但大多数时候，当有人遇到外观问题时，事实证明他们甚至不应该使用它们。 正如@insin指出的那样，使用捕获组可以更容易地解决这个问题。

编辑：几乎忘了JGSoft，EditPad Pro和PowerGrep使用的正则表达式风格; 像.NET一样，它具有完全不受限制的外观，正面和负面。