正则表达式 Lookbehind 不适用于量词（“+”或“*”）

Question

我正在尝试在正则表达式中使用lookbehinds，但它似乎没有像我预期的那样工作。所以，这不是我真正的用法，但为了简化我会举一个例子。想象一下，我想在“这是一个示例”的字符串上匹配“示例”。所以，根据我对lookbehinds的理解，这应该可行：

(?<=this\sis\san\s*?)example

这应该做的是找到“this is an”，然后是空格字符，最后匹配单词“example”。现在，它不起作用，我不明白为什么，不可能在lookbehinds中使用'+'或'*'？

我也尝试了这两个，它们可以正常工作，但不能满足我的需求：

(?<=this\sis\san\s)example
this\sis\san\s*?example

我正在使用这个网站来测试我的正则表达式：http://gskinner.com/RegExr/

Answer 1

嘿，如果您不使用 python 变量查找断言后面，您可以通过转义匹配并使用 \K 重新开始来欺骗正则表达式引擎。

这个网站解释得很好..http://www.phpfreaks.com/blog/pcre-regex-spotlight-k..

但是当你有一个匹配的表达式并且你想使用 \K 得到它背后的所有东西时，几乎会迫使它重新开始......

例子：

string = '<a this is a tag> with some information <div this is another tag > LOOK FOR ME </div>'

匹配/(\<a).+?(\<div).+?(\>)\K.+?(?=\<div)/ 将导致正则表达式在匹配结束div 标记后重新启动，因此正则表达式不会将其包含在结果中。 (?=\div) 将使引擎在结束 div 标签之前获取所有内容

Answer 2

您可以使用子表达式。

(this\sis\san\s*?)(example)

所以要检索第 2 组，“示例”，$2 用于正则表达式，或者\2，如果您使用的是格式字符串（如 python 的 re.sub）

Answer 3

许多正则表达式库只允许在后面断言中使用严格表达式，例如：

• 只匹配相同固定长度的字符串：(?<=foo|bar|\s,\s)（每个三个字符）
• 只匹配固定长度的字符串：(?<=foobar|\r\n)（每个分支固定长度）
• 仅匹配具有上限长度的字符串：(?<=\s{,4})（最多重复四次）

这些限制的原因主要是因为这些库根本无法向后处理正则表达式或只能处理有限的子集。

另一个原因可能是避免作者构建过于复杂而难以处理的正则表达式，因为它们有一个所谓的pathological behavior（另请参阅ReDoS）。

另见section about limitations of look-behind assertionsRegular-Expressions.info。

Answer 4

大多数正则表达式引擎不支持后向断言的可变长度表达式。

Answer 5

Amber 说的是真的，但您可以使用另一种方法解决它：非捕获括号组

(?<=this\sis\san)(?:\s*)example

这使它成为一个 固定 长度向后看，所以它应该可以工作。