上海单个关键词优化页面优化算法

引言

今天遇到了一个比较棘手的问题，于是终于打算要对正则表达式中的 (?=...) 和 (?<=...) 符号动手了。

正文

(?=...) 表示当 … 匹配时，匹配成功，但不消耗字符串中的任何字符。这个叫做 前视断言 (lookahead assertion)。比如， Isaac (?=Asimov) 将会匹配 Isaac ，仅当其后紧跟 Asimov。

在 Python 正则表达式 (…) 符号 一文中，我们说明了为什么要使用 () 符号以及 ... 符号的含义。事实上，上述的 (?=...) 与 (?<=...) 中的 ... 符号可以被替换为任意的符号，这里为了方便说明问题，我们将 ... 符号替换为 \t 符号。

示例1

import restr1 = 'abc\tdefghi\txyz'
print(re.search('(?=\t)', str1))
"""
result:
<re.Match object; span=(3, 3), match=''>
"""

可以看到，它匹配到了索引值为 3 的 \t 字符，但是由于它是前视断言，即向前搜索，而我们的匹配项中 (?=\t) 之前并没有任何字符，因此什么也没有匹配到。

示例2

我们对示例 1 中的匹配内容稍作更改。

import restr1 = 'abc\tdefghi\txyz'
print(re.search('abc(?=\t)', str1))
"""
result:
<re.Match object; span=(0, 3), match='abc'>
"""

此时可以看到，匹配到了字符串 abc。

示例3

(?<=...) 表示如果 ... 的匹配内容出现在当前位置的左侧，则匹配。这叫做 肯定型后视断言 (positive lookbehind assertion)。 (?<=abc)def 将会在 abcdef 中找到一个匹配，因为后视会回退 3 个字符并检查内部表达式是否匹配。内部表达式（匹配的内容）必须是固定长度的，意思就是 abc 或 a|b 是允许的，但是 a* 和 a{3,4} 不可以。注意，以肯定型后视断言开头的正则表达式，匹配项一般不会位于搜索字符串的开头。

上面的解释比较抽象，那么具体是什么意思呢？我们看一个例子。

import restr1 = 'abc\tdefghi\txyz'
print(re.search('(?<=\t)def', str1))
"""
result:
<re.Match object; span=(4, 7), match='def'>
"""

程序先找到 def 字符串，然后再回退一个字符查看 def 前面的字符是否是 \t 字符，如果是，那么就匹配 def 字符串。

示例4

如果我们想要匹配两个 \t 字符中间的部分怎么办呢？

import restr1 = 'abc\tdefghi\txyz'
print(re.search('\t(.*)\t', str1))
"""
result:
<re.Match object; span=(3, 11), match='\tdefghi\t'>
"""

可以看到，此时，结果中包含了两端的 \t 字符，但是我们不想要它包含 \t 字符。为了实现这一目标，我们可以采用刚才我们提到的后视和前视。

import restr1 = 'abc\tdefghi\txyz'
print(re.search('(?<=\t).*(?=\t)', str1))
"""
result:
<re.Match object; span=(4, 10), match='defghi'>
"""

可以看到我们匹配到了两个 \t 字符中间的字符串，但是上述写法并不严谨，为了严谨，我们可以使用：

import restr1 = 'abc\tdefghi\txyz'
print(re.search('(?<=\t)(.*)(?=\t)', str1))
"""
result:
<re.Match object; span=(4, 10), match='defghi'>
"""

如果大家觉得有用，就请点个赞吧~