Python 正则是否存在前向贪婪匹配呢？

80 阅读 0 评论 53 点赞

我是靠谱客的博主坦率热狗，最近开发中收集的这篇文章主要介绍Python 正则是否存在前向贪婪匹配呢？，觉得挺不错的，现在分享给大家，希望可以做个参考。

概述

场景描述

由于项目的某一些应用场景出现了如下的需求：

A： str = “ABCABABCABABC”

B：将其中ABC都抠出来

猛一看，这还不easy呢？直接 ABC匹配不就出来了吗？

str = "ABCABABCABABC"
res = re.findall(r'ABC', str, re.M)

这结果不就出来了吗？

可是难就难在这边，这边的ABC并非真实的字母，而是一个泛指。具体的str参见如下描述：

str1 = "a:bc123cdfddd1 d32sfdfds2332fsd1 n data:dsafdsfssdfsdnalert ===> virusn" 
"a:bc123cdfdddd2 32sfdfds2332fsd1 n data:dsafdsfssdfsd end222end!!!!n" 
"a:bc123cdfdddd3 32sfdfds2332fsd1 n data:dsafdsfssdfsdnalert===> no virusn" 
"a:bc123cdfdddd3 32sfdfds2332fsd1 n data:dsafdsfssdfsdnalert===> no virusn" 
"a:bc123cdfdddd2 32sfdfds2332fsd1 n data:dsafdsfssdfsd end33333end!!!n"

要求:

1、我们忽略'n'，可以看到我们这边暂时分为了五行，我们要做到的事：匹配第一、三、四行数据

2、扣除一三四行中后面的ddd1、ddd3以及与之对应的 alert结果 no virus

实战分析

既然题目已经给出了，那么我们就来做吧。对于正则，我想大部分人已经非常熟悉了。

首先，我们必须忽略'n', 那么我们必须使用re库中的S，表示忽略n换行符。

sp = re.findall("a[:].*?data[:].*?alert.*?n", str1, re.S)
print sp
for i in range(len(sp)):
print sp[i]

这是我一开始给出的正则表达式，可惜得到的结果不尽人意：

a:bc123cdfddd1 d32sfdfds2332fsd1
data:dsafdsfssdfsd
alert ===> virus
a:bc123cdfdddd2 32sfdfds2332fsd1
data:dsafdsfssdfsd end222end!!!!
a:bc123cdfdddd3 32sfdfds2332fsd1
data:dsafdsfssdfsd
alert===> no virus
a:bc123cdfdddd3 32sfdfds2332fsd1
data:dsafdsfssdfsd
alert===> no virus

我们可以看到，结果分割出来起始和结束都没有问题，但是中间类似于“ABABC”却被匹配上了。这不是我们想要的。

正则的前向贪婪匹配

我们都知道，正则有自己的贪婪模式，可以向后匹配最近的字段。那么我们能不能根据alert字段匹配前面最近的AB呢？

str2 = "00000aaaaa111111aaa00000bbbbb11111"
res2 = re.findall(r'(?<=0)(?!0)w+?(?=1)', str2)
print res2
#结果
['aaaaa', 'bbbbb']

可惜呢，找了全网基本都没有我们想要的结果。于是乎这条路基本就算走死了。

《如果以后，发现了再回来！！！！！ 》

最终解决

似乎，我们想要的都不是我们期望的，那行吧，既然前向走不通，那就最简单的方式吧。

将所有

n data
==》 data
n alert ==》 alert

那么我们的串将变为：

str1 = "a:bc123cdfddd1 d32sfdfds2332fsd1
data:dsafdsfssdfsd alert ===> virusn" 
"a:bc123cdfdddd2 32sfdfds2332fsd1
data:dsafdsfssdfsd end222end!!!!n" 
"a:bc123cdfdddd3 32sfdfds2332fsd1
data:dsafdsfssdfsd alert===> no virusn" 
"a:bc123cdfdddd3 32sfdfds2332fsd1
data:dsafdsfssdfsd alert===> no virusn" 
"a:bc123cdfdddd2 32sfdfds2332fsd1
data:dsafdsfssdfsd end33333end!!!n"

结果却依然没有改变ABABC这样的问题，

a:bc123cdfddd1 d32sfdfds2332fsd1
data:dsafdsfssdfsd alert ===> virus
a:bc123cdfdddd2 32sfdfds2332fsd1
data:dsafdsfssdfsd end222end!!!!
a:bc123cdfdddd3 32sfdfds2332fsd1
data:dsafdsfssdfsd alert===> no virus
a:bc123cdfdddd3 32sfdfds2332fsd1
data:dsafdsfssdfsd alert===> no virus

但是我们接着对上述结果进行再匹配（原先的中间间隔换行不太好搞）注意这边使用的re.M 不写或者re.S都会出错！！！

res = re.findall(r'a:.*?\(.*?) .*?===>(.*?)n', str1, re.M)
print res
#结果
[('ddd1', ' virus'), ('ddd3', ' no virus'), ('ddd3', ' no virus')]

总结下吧

对于这种多换行的正则匹配，没有好的办法可以替换换行，最后在替换回来的办法进行匹配检索！！！！

最后附上完整代码练习使用！

# encoding:utf-8
import re
str1 = "a:bc123cdfddd1 d32sfdfds2332fsd1
data:dsafdsfssdfsd alert ===> virusn" 
"a:bc123cdfdddd2 32sfdfds2332fsd1
data:dsafdsfssdfsd end222end!!!!n" 
"a:bc123cdfdddd3 32sfdfds2332fsd1
data:dsafdsfssdfsd alert===> no virusn" 
"a:bc123cdfdddd3 32sfdfds2332fsd1
data:dsafdsfssdfsd alert===> no virusn" 
"a:bc123cdfdddd2 32sfdfds2332fsd1
data:dsafdsfssdfsd end33333end!!!n"
sp = re.findall("a[:].*?data[:].*?alert.*?n", str1, re.S)
print sp
for i in range(len(sp)):
print sp[i]
str2 = "00000aaaaa111111aaa00000bbbbb11111"
res2 = re.findall(r'(?<=0)(?!0)w+?(?=1)', str2)
print "11111"
print res2
res = re.findall(r'a:.*?\(.*?) .*?===>(.*?)n', str1, re.M)
print res
str = "ABCABABCABABC"
res = re.findall(r'ABC', str, re.M)
print res