命令行与文本处理 / 系统课时
正向先行断言
正向先行断言
学习目标
- 理解正向先行断言检查后方上下文。
- 掌握断言不消费字符的特点。
- 会提取后面跟指定单位或符号的内容。
- 能区分断言条件与最终匹配结果。
问题背景或应用场景
有时只想返回数字本身,但要求数字后面必须出现特定单位。例如从 100元、25kg 或 user@example.com 中提取主体内容,同时不把单位或域名放进结果。正向先行断言可以检查后方条件而不消费它。
核心原理
- 正向先行断言从当前位置向后检查指定模式。
- 只有后方模式能够匹配时,断言才成功。
- 断言本身不消费字符,因此条件内容不会进入最终匹配结果。
- 断言可以放在目标模式之后,也可以放在开头组合多个条件。
- 正向先行断言中的模式可以包含字符类、量词和分组。
模式 [0-9]+(?=元) 匹配后面紧跟汉字元的数字,但最终结果只包含数字,不包含单位。
基础用法
本课涉及的核心写法如下:
text
[0-9]+(?=元)
[A-Za-z0-9_]+(?=@example\.com)
foo(?=bar)先行断言只检查紧邻当前位置之后的内容。若单位与数字之间允许空格,应在断言中明确加入空白规则。
完整可运行示例
将代码保存为:
text
positive_lookahead.pypython
import re
text = "苹果100元,香蕉25元,重量8kg"
amount_pattern = r"[0-9]+(?=元)"
weight_pattern = r"[0-9]+(?=kg)"
print(f"金额数字:{re.findall(amount_pattern, text)}")
print(f"重量数字:{re.findall(weight_pattern, text)}")
emails = "alice@example.com bob@test.com carol@example.com"
name_pattern = r"[A-Za-z]+(?=@example\.com)"
print(f"指定域名用户:{re.findall(name_pattern, emails)}")
match = re.search(r"foo(?=bar)", "foobar")
print(f"匹配结果:{match.group() if match else '未匹配'}")运行命令:
bash
python positive_lookahead.py预期输出
text
金额数字:['100', '25']
重量数字:['8']
指定域名用户:['alice', 'carol']
匹配结果:fooTips
- 断言条件不会出现在匹配结果中。
- 先行断言检查的是当前位置之后的内容。
- 单位前允许空格时应明确写入规则。
- 只需提取上下文中的主体时,断言比捕获后再裁剪更直接。
常见错误
1. 认为断言会返回条件文本
断言只检查条件,最终结果不包含断言中的字符。
2. 忽略紧邻关系
后方条件默认从当前结束位置立即开始匹配。
3. 把先行断言当作后行断言
先行断言检查后方,而不是前方上下文。
本课练习
- 从 20kg、15kg 和 30m 中提取后面跟 kg 的数字。
- 从多个邮箱中提取 example.com 域名之前的用户名。
- 允许数字与单位之间存在一个可选空格。
- 输出匹配内容与位置,观察单位是否被包含。
按自己的节奏,确认真正理解。