Python 正则是否存在前向贪婪匹配呢？

傷城~ 2022-05-04 04:26 185阅读 0赞

## 场景描述 ##

由于项目的某一些应用场景出现了如下的需求：

A： str = “ABCABABCABABC”

B： 将其中ABC都抠出来

猛一看，这还不easy呢？ 直接    ABC匹配不就出来了吗？

str = "ABCABABCABABC"
    res = re.findall(r'ABC', str, re.M)

这结果不就出来了吗？

可是难就难在这边，这边的ABC并非真实的字母，而是一个泛指 。具体的str参见如下描述：

str1 = "a:bc123cdf\ddd1 d32sfdfds2332fsd1 \n data:dsafdsfssdfsd\nalert ===> virus\n" \
           "a:bc123cdfd\ddd2 32sfdfds2332fsd1 \n data:dsafdsfssdfsd end222end!!!!\n" \
           "a:bc123cdfd\ddd3 32sfdfds2332fsd1 \n data:dsafdsfssdfsd\nalert===> no virus\n" \
           "a:bc123cdfd\ddd3 32sfdfds2332fsd1 \n data:dsafdsfssdfsd\nalert===> no virus\n" \
           "a:bc123cdfd\ddd2 32sfdfds2332fsd1 \n data:dsafdsfssdfsd end33333end!!!\n"

要求:

1、我们忽略**'\\n'，**可以看到我们这边暂时分为了五行，我们要做到的事： 匹配第一、三、四行数据

2、扣除 一三四行中\\后面的ddd1、ddd3以及与之对应的 alert结果 no virus

# #

## 实战分析 ##

既然题目已经给出了， 那么我们就来做吧。 对于正则，我想大部分人已经非常熟悉了。

首先，我们必须忽略**'\\n', 那么我们必须使用re库中的S，表示忽略\\n换行符。  **

sp = re.findall("a[:].*?data[:].*?alert.*?\n", str1, re.S)
    print sp
    for i in range(len(sp)):
        print sp[i]

这是我一开始给出的正则表达式，可惜得到的结果不尽人意：

a:bc123cdf\ddd1 d32sfdfds2332fsd1 
     data:dsafdsfssdfsd
    alert ===> virus
    
    a:bc123cdfd\ddd2 32sfdfds2332fsd1 
     data:dsafdsfssdfsd end222end!!!!
    a:bc123cdfd\ddd3 32sfdfds2332fsd1 
     data:dsafdsfssdfsd
    alert===> no virus
    
    a:bc123cdfd\ddd3 32sfdfds2332fsd1 
     data:dsafdsfssdfsd
    alert===> no virus

我们可以看到，结果分割出来  起始 和结束都没有问题，但是中间 类似于“ABABC”却被匹配上了。这不是我们想要的。

## 正则的前向贪婪匹配 ##

我们都知道，正则有自己的贪婪模式，可以向后匹配最近的字段。那么我们能不能根据alert字段匹配前面最近的AB呢？

str2 = "00000aaaaa111111aaa00000bbbbb11111"
    res2 = re.findall(r'(?<=0)(?!0)\w+?(?=1)', str2)
    print res2
    
    #结果
    ['aaaaa', 'bbbbb']

可惜呢，找了全网 基本都没有我们想要的结果。于是乎 这条路基本就算走死了。

《**如果以后，发现了 再回来！！！！！ **》

## 最终解决 ##

似乎，我们想要的都不是我们期望的，那行吧，既然前向走不通，那就最简单的方式吧。

将所有

\n data  ==》 data
    \n alert ==》 alert

那么我们的串将变为：

str1 = "a:bc123cdf\ddd1 d32sfdfds2332fsd1  data:dsafdsfssdfsd alert ===> virus\n" \
           "a:bc123cdfd\ddd2 32sfdfds2332fsd1  data:dsafdsfssdfsd end222end!!!!\n" \
           "a:bc123cdfd\ddd3 32sfdfds2332fsd1  data:dsafdsfssdfsd alert===> no virus\n" \
           "a:bc123cdfd\ddd3 32sfdfds2332fsd1  data:dsafdsfssdfsd alert===> no virus\n" \
           "a:bc123cdfd\ddd2 32sfdfds2332fsd1  data:dsafdsfssdfsd end33333end!!!\n"

结果却依然没有改变ABABC这样的问题，

a:bc123cdf\ddd1 d32sfdfds2332fsd1  data:dsafdsfssdfsd alert ===> virus
    
    a:bc123cdfd\ddd2 32sfdfds2332fsd1  data:dsafdsfssdfsd end222end!!!!
    a:bc123cdfd\ddd3 32sfdfds2332fsd1  data:dsafdsfssdfsd alert===> no virus
    
    a:bc123cdfd\ddd3 32sfdfds2332fsd1  data:dsafdsfssdfsd alert===> no virus

但是我们接着对上述结果 进行再匹配（原先的中间间隔换行不太好搞） 注意这边使用的re.M 不写或者re.S都会出错！！！

res = re.findall(r'a:.*?\\(.*?) .*?===>(.*?)\n', str1, re.M)
    print res
    
    #结果
    
    [('ddd1', ' virus'), ('ddd3', ' no virus'), ('ddd3', ' no virus')]

## 总结下吧 ##

对于这种多换行的正则匹配，没有好的办法 可以替换 换行，最后在替换回来的办法 进行匹配检索！！！！

最后附上完整代码 练习使用！

# encoding:utf-8
    import re
    
    str1 = "a:bc123cdf\ddd1 d32sfdfds2332fsd1  data:dsafdsfssdfsd alert ===> virus\n" \
           "a:bc123cdfd\ddd2 32sfdfds2332fsd1  data:dsafdsfssdfsd end222end!!!!\n" \
           "a:bc123cdfd\ddd3 32sfdfds2332fsd1  data:dsafdsfssdfsd alert===> no virus\n" \
           "a:bc123cdfd\ddd3 32sfdfds2332fsd1  data:dsafdsfssdfsd alert===> no virus\n" \
           "a:bc123cdfd\ddd2 32sfdfds2332fsd1  data:dsafdsfssdfsd end33333end!!!\n"
    sp = re.findall("a[:].*?data[:].*?alert.*?\n", str1, re.S)
    print sp
    for i in range(len(sp)):
        print sp[i]
    
    str2 = "00000aaaaa111111aaa00000bbbbb11111"
    res2 = re.findall(r'(?<=0)(?!0)\w+?(?=1)', str2)
    print "11111"
    print res2
    
    res = re.findall(r'a:.*?\\(.*?) .*?===>(.*?)\n', str1, re.M)
    print res
    
    str = "ABCABABCABABC"
    res = re.findall(r'ABC', str, re.M)
    print res