Python正則表達式負面看后面沒有失敗的匹配

Question

我正在寫一個正則表達式來匹配電話號碼。 我遇到的一個問題是一些郵政編碼看起來像電話號碼。 例如，在巴西，郵政編碼如下所示：

30.160-0131

所以一個簡單的正則表達式會將它們捕獲為誤報：

In [63]: re.search(r"(?P<phone>\d+\.\d+-\d+)", "30.160-0131")
Out[63]: <_sre.SRE_Match at 0x102150990>

幸運的是，這樣的郵政編碼通常帶有一個前綴，通常意味着“郵政編碼”，如下所示：

CEP 30.160-0131

所以，如果你看到CEP看起來像一個電話號碼，那么它不是一個電話號碼 - 它是一個郵政編碼。 我一直試圖寫一個正則表達式來捕捉使用負面的后觀 ，但它不起作用。 它仍然匹配：

In [62]: re.search(r"(?<!CEP )(\d+\.\d+-\d+)", "CEP 30.160-0131")
Out[62]: <_sre.SRE_Match at 0x102150eb8>

為什么它仍然匹配，如何讓負面的后衛失敗？

Answer 1

表達式匹配，因為您沒有執行任何操作來錨定數字。 例如：

"CEP 11.213-132"

將匹配1.213-132因為它不會立即跟隨CEP 。 但是你可以強制在第一個數字之前的空格或行錨的開頭：

re.search(r"(?<!CEP)(?:\s+|^)(\d+\.\d+-\d+)", s)

Answer 2

如果您允許匹配這些郵政編碼，並且仍然只提取電話號碼，則可以避免否定前瞻：

m = re.search(r"CEP \d+\.\d+-\d+|(\d+\.\d+-\d+)", s)

然后檢查m.group(1)是否有電話號碼。

---

re.findall小演示：

>>> import re
>>> s = "There is a CEP 30.160-0131 and a  30.160-0132 in that sentence, which repeats itself like there is a CEP 30.160-0131 and a  30.160-0132 in that sentence."
>>> m = re.findall(r"CEP \d+\.\d+-\d+|(\d+\.\d+-\d+)", s)
>>> print(m)
['', '30.160-0132', '', '30.160-0132']

從那里，你可以過濾掉空字符串。