如何使Python的负面外观变得不那么贪婪呢？

Question

我读过所有相关的帖子，也浏览过互联网，但这真的让我很不爽。

我有一些包含约会的短信。

我想捕捉日期，但如果它之前有一个特定的短语。

一个简单的解决方案是在我的RegEx中添加一个负面的外观。

下面是一些示例(使用findall)。

我只想捕捉日期，如果它之前没有短语“截至”。

19-2-11

某事15-4-11

比如29-5-11

以下是我的正则表达式：

(?<!as of )(\d{1,2}-\d{1,2}-\d{2})

预期成果：

'19-2-11‘

[]

实际结果：

'19-2-11‘

'9-5-11‘

注意那是9而不是29。如果我在第一种模式中将\d{1,2}更改为\d{2}这样的实体：

bad regex for testing: (?<!as of )(\d{2}-\d{1,2}-\d{2})

然后我就得到了我的预期结果。当然，这是没有好处的，因为我想匹配2位数的日子以及单位数字的日子。

显然，我消极的外表比我的约会记录更贪婪，所以它偷了一个数字，结果失败了。我试过每一种方法来纠正我所能想到的贪婪，但我只是不知道如何解决这个问题。

我希望我的约会捕捉与最大的贪婪相匹配，然后我的负面展望被应用。这个是可能的吗？我的问题似乎很好地利用了负面观察，而不是过于复杂。如果必要的话，我相信我可以用另一种方式来完成它，但我想学习如何做到这一点。

如何使Python的负面外观变得不那么贪婪？

Answer 1

原因并不是因为放眼望去是贪婪的。这是因为regex引擎试图在它所能找到的任何位置匹配模式。

它一开始通过短语such and such as of 29-5-11成功地匹配(?<!as of )，但没有匹配\d{1,2}。

但是，引擎发现自己位于such and such as of !29-5-11位置(标记为!)。但在这里，它无法与(?<!as of )相匹配。

它将进入下一个位置：such and such as of 2!9-5-11。它成功地匹配了(?<!as of )和\d{1,2}。

如何避免呢？

一般的解决方案是尽可能清晰地制定模式。

在这种情况下，我将在数字前面加上必要的空格或字符串的开头。

(?<!as of)(?:^|\s+)(\d{1,2}-\d{1,2}-\d{2})

马克·拜尔斯的解决方案也很好。

我认为理解regex引擎为什么会以这种方式工作并给出不想要的结果是非常重要的。

顺便说一句，如果有两个或更多的空格，我给出的解决方案就不能工作。它不工作，因为第一个位置匹配这里的such and such as of ! 29-5-11与上述模式。

怎样才能避免呢？

不幸的是，Python中的查找不支持量词+或*。

我认为最简单的解决方案是确保在(?:^|\s+)之前没有空格(这意味着所有空格都由(?:^|\s+)直接在任何非空间文本之后使用(如果文本是as of，则终止前进并回溯到下一个开始位置，在搜索文本的下一个位置重新开始搜索)。

re.search(r'(?<!as of)(?<!\s)(?:^|\s+)(\d{1,2}-\d{1,2}-\d{2})','such and such as of  29-5-11').group(1)

Answer 2

这与贪婪无关。贪婪不会改变正则表达式是否匹配-它只改变执行搜索的顺序。这里的问题是，您的正则表达式需要更具体，以避免不必要的匹配。

要修复它，您可以在匹配之前要求一个单词边界：

(?<!as of )\b(\d{1,2}-\d{1,2}-\d{2})
#          ^^ add this

Answer 3

一个简单的解决方案是在使用regex隔离日期之前丢弃所有与“截至”匹配的行。