“在负可变长度后视中使用 \G 以限制后视后退的距离”示例答案

【问题标题】：Example of "use \G in negative variable-length lookbehinds to limit how far back the lookbehind goes"“在负可变长度后视中使用 \G 以限制后视后退的距离”示例
【发布时间】：2015-02-18 04:40:38
【问题描述】：

在令人敬畏的正则表达式模块 (https://pypi.python.org/pypi/regex) 的 pypi 页面中，声明 \G 可用于“在负可变长度后视中以限制后视后退的距离”。非常有趣，但是该页面没有给出任何示例，当我尝试想象一个时，我的白带正则表达式只会窒息。

谁能描述一些示例用例？

【问题讨论】：

我认为它是指(?<!\G\w*)，或者类似的东西。
好的，忍者已编辑，但它的概念有些相同......不过，我想不出任何用例。
我仍然想知道为什么文档特别说“消极的lookbehind”，而不是简单的lookbehinds
(?<!...) 消极后视 (?<=..) 积极后视。如果有一个量词? 或* 或+ 存在于lookhehinds 中，那么它被称为可变长度正或负lookbehind。 (?<!\G\w*) 称为可变长度负后视，因为它有一个量词 *
@sln 老实说，过去几天我很忙，所以我无法花时间思考这个问题的解决方案/示例。由于这个问题“没有引起足够的关注”，我已经悬赏了。

标签： python regex

【解决方案1】：

下面是一个创造性地使用\G 和消极后视的例子：

regex.match(r'\b\w+\b(?:\s(\w+\b)(?<!\G.*\b\1\b.*\b\1\b))*', words)

words 应该是由一个空格分隔的字母数字字符串，例如"a b c d e a b b c d"。

该模式将匹配一系列独特的单词。

\w+ - 匹配第一个单词。
(?:\s(\w+\b) )* - 匹配其他单词...
(?<!\G.*\b\1\b.*\b\1\b) - ...但是对于添加的每个新单词，请检查它是否已经出现，直到我们到达 \G。

限制在\G 的模式末尾的回溯可以断言当前匹配的另一个条件，否则这是不可能的。基本上，该模式是using lookaheads for AND logic in regular expressions 的变体，但不限于整个字符串。

这是 .Net 中的 working example，它具有相同的功能。
在 Python 2 中使用findall 和regex 模块尝试相同的模式会给我一个分段错误，但match 似乎有效。

【讨论】：

对我来说不会崩溃（Python 3.4.1）但findall 返回['', '', '', '', '', ''] 这似乎没有用。 match 确实返回<regex.Match object; span=(0, 9), match='a b c d e'>，这很整洁！-)
我认为使用\G 位置的lookbehind 在其第一个子表达式时有效。我认为最后一个（右侧）是不可行的。
是的，你是对的，它只检查到当前的匹配位置。我有点困惑，以为是开放式的

【解决方案2】：

我能想到的一个例子是使用\G 在 positive 后向以逗号分隔 CSV 行：

regex.split(r'(?<=\G(?:"[^"]*(?:""[^"]*)*"|[^"]*)),', csv)

这是一个变体，您只能使用可变长度的lookbehind 和\G。

通常如果您想使用split，您可以在行尾添加一个前瞻，并检查以下记录是否都有效，例如,(?=([^\"]*\"[^\"]*\")*[^\"]*$)。这有点烦人，因为你一遍又一遍地匹配字符串的结尾。

我们也从未明确提及未加引号的值不是逗号 ([^,])，因为我们使用 \G 来匹配前一个逗号。

【讨论】：

只是一个注释。拆分正则表达式只是验证下一个逗号在 dbl-quotes 之外。我不验证剩余报价的任何均匀性。第二个正则表达式（和链接）是一种非常糟糕的验证方式（如你所说），因为它就像一个 N 阶乘开销。如果需要验证，可以每行执行一次，然后在其上使用普通字段正则表达式，完全避免拆分。进行了基准测试和讨论 -> here.
[^"]*(?:""[^"]*)* 可以写成(?:[^"]|"")*。并且取决于引擎，它可以被占有。
@nhahtdh - 你是对的。我选择了unrolling-the-loop，没有想太多。 (?:[^"]|"")*+ 在这里可以很好地工作。

【解决方案3】：

这是一个可能比创意更有用的示例。
它使用从最后一个匹配开始的可变长度负向后查找 (\G)
向前检查到当前位置。

在这种情况下(?<!\Ga+)b，结果是它匹配字符串中的每个其他b，其中b's 由一个或多个a's 分隔。

这也可以在像(?<!\Ga)b 这样的固定宽度的lookbehind 中完成，结果是它匹配字符串中的所有其他b，其中b 的 由一个a 分隔。

这是一种模板，其中a 和b 可以是更大的表达式并且有更多
意义。

(需要注意的一点是，当在消极的后视中使用\G 时，很容易
满足否定断言。所以，这些东西都写满了gotcha！！）

没有 Python（最新的，测试版？）来测试这个，所以下面是使用 C# 控制台应用程序。

string strSrc = "abaabaabaabaabaab";
Regex rxGtest = new Regex(@"(?<!\Ga+)b");
Match _m = rxGtest.Match(strSrc);
while (_m.Success)
{
    Console.WriteLine("Found: {0} at position {1}", _m.Groups[0].Value, _m.Index);
    _m = _m.NextMatch();
}

输出：

Found: b at position 4
Found: b at position 10
Found: b at position 16

【讨论】：