命令行与文本处理 / 系统课时

负向后行断言

负向后行断言

学习目标

  • 理解负向后行断言排除前方模式。
  • 会排除带特定前缀的数字或词语。
  • 掌握边界对完整数字匹配的作用。
  • 了解固定宽度限制。

问题背景或应用场景

一段文本中可能包含多个数字,但只想提取没有 USD 前缀的数字。例如 USD 100、EUR 200 和独立数字 300 中,需要排除 100,保留 200 与 300。

核心原理

  1. 负向后行断言从当前位置向前检查指定模式。
  2. 只有前方模式无法匹配时,断言才成功。
  3. 断言不消费字符,也不会返回被检查的前缀。
  4. 提取完整数字时应结合单词边界,避免从被排除数字的中间重新开始匹配。
  5. Python 标准 re 的负向后行通常也要求固定宽度。

模式 (?<!USD )\b[0-9]+\b 会匹配不紧跟在 USD 空格之后的完整数字。数字边界可以防止引擎从 100 的第二个字符重新开始。

基础用法

本课涉及的核心写法如下:

text
(?<!USD )\b[0-9]+\b
(?<!-)[0-9]+
(?<!test)word

如果要排除多个不同长度的前缀,单个后行断言可能不满足固定宽度要求。可以拆分为多个断言、使用捕获组,或在程序逻辑中处理。

完整可运行示例

将代码保存为:

text
negative_lookbehind.py
python
import re

text = "USD 100 EUR 200 300"
number_pattern = r"(?<!USD )\b[0-9]+\b"
print(f"非 USD 数字:{re.findall(number_pattern, text)}")

values = "10 -20 30 -400"
positive_like_pattern = r"(?<!-)\b[0-9]+\b"
print(f"无负号数字:{re.findall(positive_like_pattern, values)}")

words = "testword keyword word"
word_pattern = r"(?<!test)word"
print(f"非 test 前缀 word:{re.findall(word_pattern, words)}")

运行命令:

bash
python negative_lookbehind.py

预期输出

text
非 USD 数字:['200', '300']
无负号数字:['10', '30']
非 test 前缀 word:['word', 'word']

Tips

  • 提取完整数字时应使用合适边界。
  • 后行断言检查的是目标起点之前的内容。
  • 多个固定前缀可以拆成多个断言。
  • 复杂排除逻辑有时由程序代码处理更清晰。

常见错误

1. 没有限制完整数字

缺少边界时,引擎可能从被排除数字内部重新开始匹配。

2. 使用不同长度分支

Python 标准 re 的后行断言通常要求固定宽度。

3. 把负向后行理解为删除前缀

断言只筛选位置,不会修改原始文本。

本课练习

  1. 从 USD 50 EUR 60 70 中提取非 USD 数字。
  2. 排除前面带负号的整数。
  3. 使用边界验证不会从被排除数字中间匹配。
  4. 设计两个固定宽度负向后行组合。
按自己的节奏,确认真正理解。

目录与阅读设置

阅读设置

17

记录一个想法

负向后行断言

0 / 10000 · 笔记保存到账号。未提交的修改会在关闭、离开或刷新后丢失。

登录哪都通