前瞻和非捕获正则表达式

Question

我正在尝试匹配电子邮件地址中@符号前面的部分：

LOCAL_RE_NOTQUOTED = """
((
\w         # alphanumeric and _
| [!#$%&'*+-/=?^_`{|}~]          # special chars, but no dot at beginning
)
(
\w         # alphanumeric and _
| [!#$%&'*+-/=?^_`{|}~]          # special characters
| ([.](?![.])) # negative lookahead to avoid pairs of dots. 
)*)
(?<!\.)(?:@)           # no end with dot before @
"""

测试用：

re.match(LOCAL_RE_NOTQUOTED, "a.a..a@", re.VERBOSE).group()

结果是：

'a.a..a@'

为什么输出中会显示@，尽管我使用了不捕获组(?:@)呢？

测试用：

 re.match(LOCAL_RE_NOTQUOTED, "a.a..a@", re.VERBOSE).groups()

结果是：

('a.a..a', 'a', 'a', None)

为什么这个正则表达式没有拒绝包含一对点'..'的字符串呢？

Answer 1

你把不捕获组 (?:...) 和前瞻断言 (?=...)搞混了。

不捕获组是参与匹配的，也就是说它们会出现在 match.group() 里面，这个包含了整体的匹配结果，只是它们不会生成可以后续使用的引用（比如 $1 之类的）。

第二个问题（为什么会匹配到两个点？）就有点复杂了。这是因为你的正则表达式有个错误。你看，当你写的时候（为了说明问题，简化了一下）

[+-/]

你写的是“匹配一个在 + 和 / 之间的字符，而在 ASCII 码中，点正好在它们之间（ASCII 43-47: +,-./）。所以，第一个字符类匹配到了点，而前瞻断言根本没有被执行到。你需要把连字符放在字符类的最后面，这样它才会被当作一个普通的连字符来处理：

((
\w         # alphanumeric and _
| [!#$%&'*+/=?^_`{|}~-]          # special chars, but no dot at beginning
)
(
\w         # alphanumeric and _
| [!#$%&'*+/=?^_`{|}~-]          # special characters
| ([.](?![.])) # negative lookahead to avoid pairs of dots. 
)*)
(?<!\.)(?=@)           # no end with dot before @

当然，如果你想用这个逻辑，可以稍微简化一下：

^(?!\.)                   # no dot at the beginning
(?:
[\w!#$%&'*+/=?^_`{|}~-]   # alnums or special characters except dot
| (\.(?![.@]))            # or dot unless it's before a dot or @ 
)*
(?=@)                     # end before @