python，正则表达式，负前瞻问题和匹配捕获

Question

我在使用正则表达式时遇到了问题，也许你可以帮我解决。我的行变量包含我想要操作的这些类型的字符串（每个 for-loop 循环一个字符串）：

sip="100.107.0.5" sp="123" dip="100.107.193.1" dp="123" nat-dip="84.2.44.19" sip="100.101.199.1" sp="37690" dip="100.107.0.4" dp="80" nat-dip="100.107.0.4"

简单的部分：当dip=和nat-dip=后引号内的值相等时，将子串nat-dip="..."完全删除。这很容易做到：

line = re.sub(r'dip="([^"]+)(" .+)nat-dip="\1" ' ,r'dip="\1\2' ,line)

但可怕的是：当值不相等时，写入 nat-dip= 的值代替 dip= 的值。我尝试了负前瞻和捕获值，但它不断失败，我无法找出代码行的错误部分，即：

line = re.sub(r'dip="([^"]+)(" .+)(?!nat-dip="(\1)") ' ,r'dip="\3\2' ,line)

我得到的只是：

sip="100.107.0.5" sp="123" dip="" dp="123" nat-dip="84.2.44.19"

... 而不是这个：

sip="100.107.0.5" sp="123" dip="84.2.44.19" dp="123"

我做错了什么？你有什么建议吗？

Answer 1

如果您想在这两种情况下都删除 nat-dip，您可以在单个替换中使用这样的表达式 (demo)

dip=\"[^\"]*\"([ ]dp=\"[^\"]*\")[ ]nat-dip=\"([^\"]*)\"
Replace Pattern: dip="\2"\1
\2 contains the value of nat-dip,
\1 contains the dp attribute and its value since it's caught in the capture

  dip=\"     # Literal dip="
  [^\"]*     # Any character but ", zero or more times.
  \"         # Literal "
  (          # Open Capture Group 1 (to retain dp)
    [ ]      # a single space, bracketed here for visibility
    dp=\"    # Literal dp="
    [^\"]*   # Any character but ", zero or more times.
    \"       # Literal "
  )          # Close Capture group
  [ ]        # A single space
  nat-dip=\" # Literal nat-dip="
  (          # Open capture group 2 (the value of nat-dip)
    [^\"]*   # Any character but ", zero or more times.
  )          # Close capture group 2
  \"         # Literal "

它总是将 dip 的值设置为 nat-dip 的值。当它们相等时，这没有明显的变化。当它们不相等时，它会更改值。在这两种情况下，它都会丢弃 nat-dip。

---

更新：根据您的评论。有机会你会说“不，在那种情况下我们需要保持 nat-dip。”。理想情况下，我会使用分支重置（保持捕获组一致，但 Python 不支持。

所以我会使用像 (?(?=lookaround condition)true pattern|false pattern)) 这样的 if-then-else 条件。网上的一切都说 python 支持这样的组，但 regex101 不断抛出模式错误（即使是从示例中复制粘贴，所以没有错字），.对于这个演示，我切换到 PCRE demo。

dip=\"([^\"]*)\"([ ]dp=\"[^\"]*\")(?(?![ ]nat-dip="\1")([ ]nat-dip=\"([^\"]*)\")|[ ]nat-dip=\"([^\"]*)\")

dip=\"([^\"]*)\"([ ]dp=\"[^\"]*\")
(?                            # if
  (?![ ]nat-dip="\1")         # condition
    ([ ]nat-dip=\"([^\"]*)\")   # then do
  |                           # else
    [ ]nat-dip=\"([^\"]*)\"     # do
  )                           # end if

主要区别在于 else-do 不捕获它的内容。它可以，但它永远不会使用它们。

如果满足条件\3包含整个nat-dip属性和值。如果条件不满足，\3什么都没有，""

您会注意到替换模式是dip="\4\5"\2\3，因为nat-dip value 是否在\4 和\5 中是空的，反之亦然取决于是否满足条件。

在分支重置的情况下，两个值都可以对齐到 \4。眼睛可以轻松一点。没有正则表达式支持所有的好东西。

但事实是，我只是向您展示了一个前瞻解决方案，因为您问过，在这种情况下甚至都不需要。简单的交替就可以了，尽管有必要颠倒交替的顺序 (demo) 在某些情况下，条件肯定是一种救命稻草（尤其是关于 lookbehinds。

最后，在更多的代码行中很难做到这一点。我们可以将其分解为带有回调的模式提取，该回调使用 python 的if 返回结果，但我们的目标是提高效率。但可以肯定的是，并非所有事情都可以用一种表达方式完成。如果您想使用 dp 做其他事情，通常需要并且通常有意义的是，在单独的操作中。