标签：
我们经常用正则表达式来检测一个字符串中包含某个子串，要表示一个字符串中不包含单个的某字符或某些字符也很容易，用[^...]形式就可以了。但是要表示一个字符串中不包含某个子串（由字符序列构成）的时候，用[^...]这种形式就不行了，此时就需要使用到四种正则表达式的扩展匹配了，即所谓的“正向前行匹配” (?=...)、“负向前行匹配” (?!...)、"正向后行匹配" (?<=...) 、“负向后行匹配”(?<!...)。其中的...又可以是任意的合法正则匹配字符串。类似于\b单词边界特殊字符一样，这四种断言表达式本身也是不消耗任何被匹配字符串中的字符宽度，而仅仅只是匹配一个position而已。
对于这4个断言的理解和记忆，可以借鉴<http://blog.csdn.net/rebelqsp/article/details/22115249>文中的描述，从两个方面入手：
记忆方式：后行断言(?<=pattern)、(?<!pattern)中，有个像箭头一样的小于号，对于自左至右的文本方向，这个箭头是指向后的，这也比较符合我们的习惯。把小于号去掉，就是前行断言
记忆方式：不等于(!=)、逻辑非(!)都是用!号来表示，所以有!号的形式表示不匹配、负向；将!号换成=号，就表示匹配、正向。
line0 = ‘?#?def???func(funcName, funcParam, funcTime=360) ‘
line1 = ‘?def???func(funcName, funcParam, funcTime=360) ‘
line2 = "????obj1(param).func(‘func1‘, ‘param1‘, funcTime=150) # test"
line3 = "??obj2().funcTest(1) # obj1(param).func(‘func1‘, ‘param1‘)"
我们希望字符串中包含对函数 func()的调用，即在被测试line中出现 "func("字符串，但是在被测line中却又不包含针对函数func的定义，即不能出现 “def func(” 字符串，并且def 和 func 之间可能包含多个空格。按照最直接的思路，为要匹配 "func(" 字符串，并且是在 "func(" 前面不出现 “def\s+”模式的字符串，所以首先考虑使用向后看的方法，即负向后行匹配方式来应用于line1，即 re.findall(r"(?<!def?)\s*func\(", line1) （def后带一个空格），预期不会得到匹配的内容，即将会得到结果为 [] 空列表，但是实际得到的却是：
>>> re.findall(r"(?<!def )\s*func\(", line1)
[‘???func(‘]
"func"前为三个空格；这是为什么呢？原因是re引擎会去尝试找到一个 "\s*func\(" 模式的字符串，并且在这个字符串前面不会出现 "def?" 字符串（def后有一个空格），包含三个前置空格的 "???func(" 正好就能满足条件，首先它能够匹配 "\s*func\(" 的模式，并且这个字符串前面的是不含空格的 "def" 字符串，而不是在负向后行匹配断言（?<!def?）中所表示的"def?"（def后包含一个空格）。
那么尝试将负向后行匹配断言中def后面的空格去掉，即修改为 re.findall("(?<!def)\s*func\(", line1)，结果又如何呢？实测结果是：
>>> re.findall(r"(?<!def)\s*func\(", line1)
[‘??func(‘]
"func"前为两个空格——仔细分析会发现这是因为原因是re引擎会去尝试找到一个“\s*func\(”模式的字符串，并且在这个字符串前面不会出现“def”字符串（def后没有空格），包含2个前置空格的 "??func(" 就正好满足条件，因为包含2个空格的 "??func(" 字符串能够匹配 "\s*func\(" 的模式，并且这个字符串前面的是后接了一个空格的 "def?" 字符串，而不是在负向后行匹配断言pattern "(?<!def)" 中所表示的没有后接空格的"def"
再尝试在负向后行匹配断言中在def后面使用\s+，即修改为 re.findall("(?<!def\s+)func\(", line1)，从逻辑上来说涵盖了def和func之间不定长空格数量的情况，但是因为后行方式的两种断言要求匹配表达式字符串的内容为定长，所以这样的执行结果将会是Python解释器报错 "error: look-behind requires fixed-width pattern"
——所以，对于在 def 和 func之间包含了三个空格的line1，要想用负向后行断言来实现匹配，必须使用def后包含三个空格而func前无空格的 re.findall("(?<!def???)func\(", line1) 或 def后无空格但是func前有三个空格 re.findall("(?<!def)\s{3}func\(", line1) 的形式，即需要准确地知道def 和 func之间究竟有多少个空格，但是因为python语法中并没有规定def 和 函数名之间的空格数，所以使用负向后行断言方式实际上是无法准确匹配到def和func之间空格数未知的字符串的。
于是我们只能考虑采取负向前行断言来实现精确匹配，即 re.findall("^(?!.*def\s+func\().*func\(", line1)，执行得到的结果为空列表[]，同时我们使用正向前行断言来验证我们的匹配字符串使用正确，即执行 re.findall("^(?=.*def\s+func\().*func\(", line1)，得到的结果为 [‘def func(‘]
>>> re.findall("^(?!.*def\s+func\().*func\(", line1)
[]
>>> re.findall("^(?=.*def\s+func\().*func\(", line1)
[‘?def???func(‘]
—— 这说明我们的负向前行断言正好精确匹配到了 def 和 func 之间存在不定长度空格数的情况。
此处再来解析一下这里的负向前行断言的含义："^(?!.*def\s+func\().*func\(" 表示从line的起始位置开始向后搜索，不允许出现 ".*def\s+func\(" 这种模式的字符串，但又尝试在此前提下寻找能够匹配 ".*func\(" 模式的字符串，这也就正是我们所希望的过滤条件。此处的 (?!.*def\s+func\() 是不消耗任何字符串长度的
这里需要特别注意的是另外两种与 re.findall("^(?!.*def\s+func\().*func\(", line1) 很接近的匹配模式：
1、如果使用的是 re.findall("^(?!def\s+func\().*func\(", line1)，执行的结果将不会是预期的空列表，而是 [‘ def???func(‘]，这是因为这种写法，RE引擎将会尝试搜索是否存在起始位置开始不是 "def\s+func\(" 而是 ".*func\(" 的字符串，但是line1中的"def"前面正好有一个空格，所以RE引擎发现从开始位置处搜索到的是带一个前置空格的 "?def\s+func\(" 模式的字符串，而不是负向前表达式中没有空格的 "def\s+func\(" 模式字符串，所以会匹配成功。
2、如果使用的是 re.findall("(?!.*def\s+func\().*func\(", line1)，执行的结果也不会是预期的空列表，而是 [ ‘ef???func(‘ ]，这是因为如果pattern中没有了^字符，就不是要求line1从开始就必须满足匹配条件，而是line1中任意位置能够满足匹配条件都可以，所以line1中的 "ef???func(" 这个字符串就能满足匹配条件
—— 综上所述，建议尝试正则匹配“在xxx之前不出现yyy，且 xxx 和 yyy 之间可能存在其他不定长字符串”的场景时，优先考虑使用负向前行断言; 对于能够确定xxx和yyy之间是定长的情况下，可以使用负向后行断言
再例如考虑在line3中匹配 "func(" 字符串的时候，要求在 "func(" 前不能出现#符号，即要求func函数的调用语句没有被注释掉，因为 # 和 func( 之间的字符长度完全是随机未知的，故应该使用负向想前行断言方式的 re.findall("^(?!.*#.*func\().*func\(", line3)，而不是 re.findall("(?<!#).*func\(",line3)
MyEssay 之 Python正则表达式 —— 四种断言扩展的理解
标签：
原文地址：http://www.cnblogs.com/xaviercd/p/5818731.html
