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
- 负向后行断言从当前位置向前检查指定模式。
- 只有前方模式无法匹配时,断言才成功。
- 断言不消费字符,也不会返回被检查的前缀。
- 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。
- 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.pypython
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
- 从 USD 50 EUR 60 70 中提取非 USD 数字。
- 排除前面带负号的整数。
- 使用边界验证不会从被排除数字中间匹配。
- 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。