蟒蛇负向后的奇数行为

Question

我正在尝试使用一个正则表达式来做一个re.split，这个正则表达式利用的是后视镜。我想在没有\r前面的换行符上拆分。更复杂的是，如果它前面有某个子字符串: XYZ，我也不想在\n上拆分。

我可以通过安装regex模块来解决我的问题，该模块允许我在后面设置可变宽度组。不过，我尽量避免安装任何东西。

我的工作准则看起来是：

regex.split("(?<!(?:\r|XYZ))\n", s)

还有一个示例字符串：

s = "DATA1\nDA\r\n \r\n \r\nTA2\nDA\r\nTA3\nDAXYZ\nTA4\nDATA5"

当斯普利特看起来是：

['DATA1', 'DA\r\n \r\n \r\nTA2', 'DA\r\nTA3', 'DAXYZ\nTA4', 'DATA5']

在没有regex模块的情况下，我最近的非工作表达式：

re.split("(?<!(?:..\r|XYZ))\n", s)

但这种分裂的结果是：

['DATA1', 'DA\r\n \r', ' \r', 'TA2', 'DA\r\nTA3', 'DAXYZ\nTA4', 'DATA5']

而这我不明白。根据我对“后看”的理解，这最后一句应该行得通。你知道如何用基re模块来完成这个任务吗？

Answer 1

您可以使用：

>>> re.split(r"(?<!\r)(?<!XYZ)\n", s)
['DATA1', 'DA\r\n \r\n \r\nTA2', 'DA\r\nTA3', 'DAXYZ\nTA4', 'DATA5']

在这里，我们将您的查找后断言分解为两个断言：

(?<!\r)  # previous char is not \r
(?<!XYZ) # previous text is not XYZ

由于此错误，Python引擎将不允许(?<!(?:\r|XYZ))在后面查找。

error: look-behind requires fixed-width pattern

Answer 2

你可以用re.findall

>>> s = "DATA1\nDA\r\n \r\n \r\nTA2\nDA\r\nTA3\nDAXYZ\nTA4\nDATA5"
>>> re.findall(r'(?:(?:XYZ|\r)\n|.)+', s)
['DATA1', 'DA\r\n \r\n \r\nTA2', 'DA\r\nTA3', 'DAXYZ\nTA4', 'DATA5']

解释：

(?:(?:XYZ|\r)\n|.)+，这将与XYZ\n或\r\n贪婪地匹配，如果要匹配的字符不是这两个字符中的字符，则控制权转移到.，即.，它将匹配任何字符，但不匹配换行。非捕获组之后的+将重复整个模式一次或多次。