正则表达式中的贪婪匹配与负向前瞻

Question

我有一个正则表达式，想要提取出所有不紧跟着“(”符号的字母组合。举个例子，这个正则表达式是用在一个数学公式上，公式里有变量名（比如x、y和z）和函数名（比如movav和movsum），这些名字都是由字母组成的，但只有函数名后面会跟着一个“(”。

re.findall("[a-zA-Z]+(?!\()", "movav(x/2, 2)*movsum(y, 3)*z")

我希望这个表达式能返回一个数组

['x', 'y', 'z']

但它实际上返回的是这个数组

['mova', 'x', 'movsu', 'y', 'z']

我理论上能理解为什么正则表达式会返回第二个结果，但有没有办法修改它，让它只返回数组 ['x', 'y', 'z'] 呢？

Answer 1

另一种方法是：找出那些后面跟着字符串结束或者非字母、非括号字符的字母串；然后提取出字母部分。

re.findall("([a-zA-Z]+)(?:[^a-zA-Z(]|$)", "movav(x/2, 2)*movsum(y, 3)*z")

Answer 2

添加一个单词边界匹配器 \b：

>>> re.findall(r'[a-zA-Z]+\b(?!\()', "movav(x/2, 2)*movsum(y, 3)*z")
['x', 'y', 'z']

\b 用来匹配两个单词之间的空字符串，也就是说，它可以帮助你找到一个字母后面跟着一个单词的边界，并且这个边界后面不能紧接着 (。想了解更多细节，可以查看 这个 re 的文档。

Answer 3

另一种不依赖于单词边界的解决方案：

检查字母后面是不是跟着一个 ( 或者另一个字母。

>>> re.findall(r'[a-zA-Z]+(?![a-zA-Z(])', "movav(x/2, 2)*movsum(y, 3)*z")
['x', 'y', 'z']