命令行与文本处理 / 系统课时
正向后行断言
正向后行断言
学习目标
- 理解正向后行断言检查前方上下文。
- 会提取特定前缀之后的内容。
- 掌握 Python 固定宽度限制。
- 区分后行条件与最终匹配结果。
问题背景或应用场景
从价格文本中提取数字时,可能只需要货币符号之后的数值,不希望把符号包含在结果中。正向后行断言可以检查目标前方是否存在固定前缀。
核心原理
- 正向后行断言从当前位置向前检查指定模式。
- 只有前方模式能够匹配时,断言才成功。
- 断言中的前缀不会进入最终匹配结果。
- Python 标准 re 对后行断言通常要求固定宽度。
- 固定字符串或固定长度字符类适合放入后行断言。
模式 (?<=¥)[0-9]+ 检查数字前面是否紧邻人民币符号,最终结果只返回数字。
基础用法
本课涉及的核心写法如下:
text
(?<=¥)[0-9]+
(?<=ID: )[0-9]+
(?<=USD )[0-9]+像可变长度空白、星号或不同长度分支通常不能直接放进 Python 标准 re 的后行断言。遇到可变前缀时,可以改用捕获组或重构匹配逻辑。
完整可运行示例
将代码保存为:
text
positive_lookbehind.pypython
import re
text = "商品A ¥120,商品B ¥85,商品C $30"
yuan_pattern = r"(?<=¥)[0-9]+"
dollar_pattern = r"(?<=\$)[0-9]+"
print(f"人民币金额:{re.findall(yuan_pattern, text)}")
print(f"美元金额:{re.findall(dollar_pattern, text)}")
ids = "ID: 1001, CODE: 2002, ID: 3003"
id_pattern = r"(?<=ID: )[0-9]+"
print(f"ID 结果:{re.findall(id_pattern, ids)}")
match = re.search(r"(?<=USD )[0-9]+", "USD 500")
print(f"匹配内容:{match.group() if match else '未匹配'}")运行命令:
bash
python positive_lookbehind.py预期输出
text
人民币金额:['120', '85']
美元金额:['30']
ID 结果:['1001', '3003']
匹配内容:500Tips
- 后行断言检查目标前方的内容。
- 前缀不会包含在最终匹配结果中。
- Python 标准 re 的后行通常要求固定宽度。
- 可变长度前缀可以改用捕获组提取。
常见错误
1. 在后行中使用可变长度量词
Python 标准 re 通常会拒绝无法确定宽度的后行表达式。
2. 混淆先行和后行
后行检查前方上下文,先行检查后方上下文。
3. 认为前缀会进入结果
断言只检查位置,前缀不会被消费。
本课练习
- 从多个 ¥ 金额中提取纯数字。
- 从 ID: 之后提取编号。
- 尝试在后行中加入可变数量空格并观察错误。
- 使用捕获组重写可变空格前缀的提取规则。
按自己的节奏,确认真正理解。