在Python中使用正则表达式断言

Question

我正在尝试使用正则表达式（regex），并且对断言有一些了解，也看过一些例子，但不知为什么我就是无法让它正常工作。我想通过使用向后查找（look-behind）来获取特定模式后面的单词。

import re
s = '123abc456someword 0001abde19999anotherword'
re.findall(r'(?<=\d+[a-z]+\d+)[a-z]+', s, re.I)

我期望的结果是 someword 和 anotherword

但是我得到的错误是 error: look-behind requires fixed-width pattern

任何帮助都非常感谢。

Answer 1

还有一种简单的方法是通过前瞻来实现。

>>> import re
>>> s = '123abc456someword 0001abde19999anotherword'
>>> m = re.findall(r'[a-z]+(?= |$)', s, re.I)
>>> m
['someword', 'anotherword']

这个方法可以匹配一个或多个字母，并且后面的字符必须是一个空格或者是行的结束。

Answer 2

Python的re模块在使用回顾查找时，只能处理固定长度的字符串。如果你想尝试使用可变长度的回顾查找，可以使用另一个regex模块：

>>> import regex
>>> s = '123abc456someword 0001abde19999anotherword'
>>> regex.findall(r'(?i)(?<=\d+[a-z]+\d+)[a-z]+', s)
['someword', 'anotherword']

或者，干脆不使用回顾查找，直接使用捕获组( )：

>>> import re
>>> s = '123abc456someword 0001abde19999anotherword'
>>> re.findall(r'\d+[a-z]+\d+([a-z]+)', s, re.I)
['someword', 'anotherword']

Answer 3

把它转换成非捕获组，然后从索引1获取匹配的组。

(?:\d+\w+\d+)(\w+\b)

这里有一个示例

如果你只对[a-z]感兴趣，那么在上面的正则表达式中把\w改成[a-z]。这里的\b是用来确保位置在单词边界上。

示例代码：

import re
p = re.compile(ur'(?:\d+\w+\d+)(\w+\b)', re.IGNORECASE)
test_str = u"123abc456someword 0001abde19999anotherword"

re.findall(p, test_str)