正向后顾与非捕获组：不同行为

Question

我在代码中使用了Python的正则表达式（re模块），发现了在这些情况下的行为不太一样：

re.findall(r'\s*(?:[a-z]\))?[^.)]+', 'a) xyz. b) abc.') # non-capturing group
# results in ['a) xyz', ' b) abc']

和

re.findall(r'\s*(?<=[a-z]\))?[^.)]+', 'a) xyz. b) abc.') # lookbehind
# results in ['a', ' xyz', ' b', ' abc']

我想要得到的结果就是 ['xyz', 'abc']。为什么这些例子的表现会不同，我该怎么才能得到想要的结果呢？

Answer 1

你需要的正则表达式是：

re.findall(r'(?<=[a-z]\) )[^) .]+', 'a) xyz. b) abc.')

我觉得Anirudha目前的答案很好地解释了你使用正向前瞻和非捕获的区别。不过，建议你去掉正向前瞻后面的?，实际上会得到[' xyz', ' abc']（注意这里面包含了空格）。

这是因为正向前瞻没有匹配到空格字符，而且在主要的匹配字符类别中也没有包含空格。

Answer 2

在第二种情况中，a和b被包含的原因是因为(?<=[a-z]\)会先找到a)。由于这种查找方式不会消耗任何字符，所以你又回到了字符串的开头。现在[^.)]+就匹配到了a。

接下来你到了)的位置。因为你把(?<=[a-z]\)设为可选，所以[^.)]+就匹配到了xyz。

这个过程在b) abc中也是一样的。

如果把第二种情况中的?去掉，你就会得到预期的结果，也就是['xyz', 'abc']。