Python 正则表达式否定后视

Question

我们解析由自动化脚本创建的日志。我们关心的一个典型的事情是字符串：'1.10.07-SNAPSHOT (1.10.07-20110303.024749-7)'，来自以下行：

15:28:02.115 - INFO   - TestLib: Successfully retrieved build version: '1.11.11-SNAPSHOT (1.11.11-20110303.024749-7)'

问题是，有些日志是手动创建的，用户自己输入这些信息。为了提醒自己格式，他们添加了一个带有模板的对话框：

02:24:50.655 - INFO   - gui: Step Dialog: For test results management purposes, specify the build in which the test is executed in the following format, build version: 'specify version here'
02:25:04.905 - INFO   - gui:     Response: OK
02:25:04.905 - INFO   - gui:     Comments: 'build version: '1.11.11''

我目前的正则表达式是.*[Bb]uild [Vv]ersion:*\s*(?!.*<)'?([^']*)'。 '(?!.*<)' 是我第一次尝试避免这个问题，因为有些用户会写''。不过，这并没有解决上述情况。我认为正确的做法是消极的向后看，如果'Step Dialog' 在线，则不匹配，但根据regexr，我尝试写这似乎失败了我（出于某种原因，它是不让我分享我保存的表单的链接）。我认为消极的lookbehind 看起来像这样：(?<!Step Dialog) 并导致：

`(?<!Step Dialog).*[Bb]uild [Vv]ersion:*\s*(?!.*<)'?([^']*)'`

但出于某种原因，这与上面的第一行和第三行都匹配。

编辑：
'[Bb]' 和 ':\s' 适用于通过使用多个冒号和空格（大写“Build”）以不完全正确的格式输入信息的用户。一般情况下清理此问题的建议表示赞赏，我对正则表达式比较陌生。

Answer 1

你已经接近了，但它仍然匹配，因为它可以找到一个满足.* 的字符串，而前面没有Step Dialog。正面和负面的断言只会影响直接围绕它们的模式。因此，您必须强制它检查您不想匹配 Step Dialog 的每个字符。

试试这个：

`^(?:(?!Step Dialog).)*[Bb]uild [Vv]ersion:*\s*(?!.*<)'?([^']*)'`

现在，它确保^（行首）和[Bb]uild [Vv]ersion之间的每个字符不是字符串Step Dialog。

您会注意到我也将其更改为积极的前瞻，因为它更容易理解正在发生的事情。

Answer 2

您可以通过多种方式做到这一点，但您已经非常接近了。

`.*(?<!Step Dialog.*)[Bb]uild [Vv]ersion:*\s*(?!.*<)'?([^']*)'`
`^(?!.*Step Dialog).*[Bb]uild [Vv]ersion:*\s*(?!.*<)'?([^']*)'`

Chriszuma 的模式也应该有效。使用你最喜欢的。如果性能是一个考虑因素，您可以对这三种模式进行基准测试，看看哪个更快。我的感觉是它会以 `.(?)` 开头，但我不能确定。

编辑：正如 ekhumoro 指出的那样，the Python regex engine requires fixed-length lookbehinds，所以第一个在 Python 中不起作用。不过，第二个应该没问题。