Python正则表达式负回顾

Question

我们解析由自动化脚本创建的日志。 我们关心的一个典型的事情是来自以下行的字符串： '1.10.07-SNAPSHOT (1.10.07-20110303.024749-7)' ：

15:28:02.115 - INFO   - TestLib: Successfully retrieved build version: '1.11.11-SNAPSHOT (1.11.11-20110303.024749-7)'

问题是，有些日志是手动创建的，用户自己输入这些信息。 为了提醒自己的格式，他们添加了一个带有模板的对话框：

02:24:50.655 - INFO   - gui: Step Dialog: For test results management purposes, specify the build in which the test is executed in the following format, build version: 'specify version here'
02:25:04.905 - INFO   - gui:     Response: OK
02:25:04.905 - INFO   - gui:     Comments: 'build version: '1.11.11''

我目前的正则表达式是.*[Bb]uild [Vv]ersion:*\\s*(?!.*<)'?([^']*)' 。 '(?!.*<)'是我第一次尝试避免这个问题，因为有些用户会写 ''。 但这并没有抓住上述情况。 我认为正确的做法是消极回溯，如果线路上存在'Step Dialog'则不匹配，但根据regexr 的说法，我尝试编写它似乎失败了（出于某种原因，它不是让我分享到我保存的表单的链接）。 我认为负回顾看起来像这样： (?<!Step Dialog)并导致：

`(?<!Step Dialog).*[Bb]uild [Vv]ersion:*\s*(?!.*<)'?([^']*)'`

但出于某种原因，这与上面的第一行和第三行都匹配。

编辑：
'[Bb]' 和 ': \\s ' 适用于通过使用多个冒号和空格（大写的“Build”）以不完全正确的格式输入信息的用户。 对一般情况下的清理建议表示赞赏，我对正则表达式比较陌生。

Answer 1

你很接近，但它仍然匹配，因为它可以找到一个满足.*的字符串，而前面没有Step Dialog 。 正面和负面的断言只会影响直接围绕它们的模式。 因此，您必须强制它检查您不希望匹配Step Dialog每个字符。

尝试这个：

`^(?:(?!Step Dialog).)*[Bb]uild [Vv]ersion:*\s*(?!.*<)'?([^']*)'`

现在，它确保^ （行的开头）和[Bb]uild [Vv]ersion之间的每个字符都不是字符串Step Dialog 。

您会注意到我还将其更改为积极的前瞻，因为这样更容易理解正在发生的事情。

Answer 2

有几种方法可以做到这一点，但你已经很接近了。

`.*(?<!Step Dialog.*)[Bb]uild [Vv]ersion:*\s*(?!.*<)'?([^']*)'`
`^(?!.*Step Dialog).*[Bb]uild [Vv]ersion:*\s*(?!.*<)'?([^']*)'`

Chriszuma 的模式也应该有效。 使用您最喜欢的那个。 如果考虑性能，您可以对三种模式进行基准测试，看看哪个更快。 我的感觉是它会以``.(?)` 开头，但我不能肯定。

编辑：正如 ekhumoro 指出的那样， Python 正则表达式引擎需要固定长度的 lookbehinds ，所以第一个在 Python 中不起作用。 不过第二个应该没问题。