复杂正则表达式的解释

Question

我有一些文本数据如下。你知道吗

{"Timestamp": "Tue Apr 07 00:32:29 EDT 2015",Title: Indian Herald: India's Latest News, Business, Sport, Weather, Travel, Technology, Entertainment, Politics, Finance <br><br>Product: Gecko<br>CPUs: 8<br>Language: en-GB"}

从下面的文本中，我使用以下正则表达式仅提取标题（Indian Herald: India's Latest News, Business, Sport, Weather, Travel, Technology, Entertainment, Politics, Finance）：

appcodename = re.search(r'Title: ((?:(?!<br>).)+)', message).group(1)

我试图理解上面的正则表达式是如何工作的。你知道吗

(?!<br>)是<br>的负前瞻

(?:(?!<br>).)+)-这是什么意思？有人能帮我把它分解一下吗。 另外，正则表达式中有多少捕获组。你知道吗

Answer 1

你不需要这么复杂的正则表达式来获得标题。使用

Title:\s*(.*?)(?=\s*<br/?>)

见demo

我们将Title:，然后将空格\s*，然后将tp <br/>上的任何字符与(.*?)(?=\s*<br/?>)匹配。你知道吗

至于(?:(?!<br>).)+，这意味着捕获一个或多个不跟在<br>后面的字符。有一个SO post where this construction is explained in detail。你知道吗

这里是来自regex101（转到Regex Debugger选项卡，然后单击右侧的+）的图像，显示了该构造正在执行的操作（检查下一个字符是否是<br>，如果不是，则消耗和回溯，等等）：

关于正则表达式中有多少捕获组的问题，Title: ((?:(?!<br>).)+)有1个捕获组（((?:(?!<br>).)+)）和1个非捕获组（(?:(?!<br>).)）。你知道吗

Answer 2

((?:(?!<br>).)+)的意思是：

((?:(?!<br>).)+)
^... Match the regex and capture its match into backreference 1

((?:(?!<br>).)+)
 ^... Match the regex (non capturing group)

((?:(?!<br>).)+)
    ^... Assert that it is not possible to match the regex <br>

((?:(?!<br>).)+)
            ^... Match a single character, that is not a line break character 

((?:(?!<br>).)+)
              ^... Between one and unlimmited times

Answer 3

首先，在这里你不需要向前看。您可以使用这个简单的正则表达式来完成所做的工作：

>>> re.search(r'Title: *(.+?) *<br>', message).group(1)
"Indian Herald: India's Latest News, Business, Sport, Weather, Travel, Technology, Entertainment, Politics, Finance"

顺便说一下你的正则表达式：

Title: ((?:(?!<br>).)+)

正在使用negative lookahead(?!<br>)在匹配文本Title:后的字符之前检查<br>是否存在。你知道吗