[已解决]正则表达式的非捕获组的问题

tongtongtong

m = re.findall(r'[0-9a-z]{2}(?<=aa)','aabbaabb')
输出['aa', 'aa']
这个怎么分析呢？
我的分析是：
1-4个字母aabb，不匹配，但非捕获组aa不占位置，从3个字母开始查找，3-6个字母bbaa匹配，捕获bb，从5个字母aa开始查找aabb不匹配，查找结束，应该只有一个aa
请问我的分析哪有有问题呢

最佳答案

月排行榜 / 总排行榜

Greenland

2017-9-2 10:50:22

tongtongtong 发表于 2017-9-2 10:18
我以为[0-9a-z]{2}(?

我竟然无言以对。。。
这里就是等同于直接写aa的意思。

跳转到最佳答案楼层

小锟

因为你匹配的是2个字母或数字啊，aa正好是两个字母，所以匹配了两个，你把匹配的次数变大一点就好了

第四时空

没太读懂楼主要实现的效果。为什么匹配出来是[aa, aa]
简单来说就是后面的(?<=aa)指定了[0-9a-z]{2}的匹配内容就是aa。
(?<=aa)虽然不是匹配内容，但是表示了后面任意字符前面会有个aa。
假设表达式后面还有一个b，即"[0-9a-z]{2}(?<=aa)b"，这里要匹配三个字符，前面两个任意[0-9a-z]都行。
但是！后面的(?<=aa)b指明了b的前面会有aa！那前面那两个任意[0-9a-z]只能是aa。

表达能力不是很好

SixPy

[0-9a-z]{2}(?<=aa)

匹配到'aa'的时候，上面那个表达式的两个部分同时成立，
其他的时候，(?<=aa)不成立。
所以，结果是['aa', 'aa']

tongtongtong

第四时空 发表于 2017-8-29 20:04
没太读懂楼主要实现的效果。为什么匹配出来是[aa, aa]
简单来说就是后面的(?

我以为[0-9a-z]{2}(?<=aa)的意思是匹配任意2个字母或数字加aa呢？为什么(?<=aa)是指定[0-9a-z]{2}一定匹配aa呢？那为什么不直接写aa

Greenland

tongtongtong 发表于 2017-9-2 10:18
我以为[0-9a-z]{2}(?

我竟然无言以对。。。
这里就是等同于直接写aa的意思。

tongtongtong

ooo,我懂了，我来总结一下：
非捕获组的结构是（？：X），其中X是正则表达式
拓展一下，有4种非捕获组：
1.(?=X)    表示肯定前向查找，即在当前位置右边匹配时才可继续匹配
当(?=X) 在其他正则表达式后面时：

1. p = re.findall(r'[0-9a-z]{2}(?=ab)','ab00ab11ab33')
   
2. print(p)
   
3. ['00', '11']

复制代码

表示任意2个字母或数字后如果有ab则匹配，这里的00ab和11ab，但是由于ab是非捕获组，因此不输出ab，只输出前面匹配的内容00 和11
当(?=X) 在其他正则表达式前面时：

1. p = re.findall(r'(?=hopeful)hope','this is a hopeful hope')
   
2. >>> print(p)
   
3. ['hope']

复制代码

表示查找字符串'this is a hopeful hope'中是否匹配hopeful，如果匹配，则输出hope，同理，在

1. p = re.findall(r'(?=ab)[0-9a-z]{2}','ab00ab11ab33')
   
2. >>> print(p)
   
3. ['ab', 'ab', 'ab']

复制代码

中，查找'ab00ab11ab33'中是否匹配ab，若匹配，输出ab


2.(?<=X)  表示肯定后向查找，即X在此位置左边匹配时才可继续查找

1. m = re.findall(r'(?<=ab)[0-9a-z]{2}','abcdabcdab')
   
2. >>> print(m)
   
3. ['cd', 'cd']

复制代码

这里匹配1-4个字符abcd，和5-8个字符abcd，但是ab是非捕获组，因此不打印出来，输出cd，cd
但是，当(?<=X)放到其他正则表达式后面：

1. m = re.findall(r'[0-9a-z]{2}(?<=ab)','abcdabcdab')
   
2. >>> print(m)
   
3. ['ab', 'ab', 'ab']

复制代码

指定[0-9a-z]{2}中就是ab，即字符串中存在ab才可以匹配

1. m = re.findall(r'ab(?<=ab)','abcdabcdab')
   
2. >>> print(m)
   
3. ['ab', 'ab', 'ab']

复制代码

这样也是可以的，但是

1. m = re.findall(r'abcd(?<=ab)','abcdabcdab')
   
2. >>> print(m)
   
3. []

复制代码

这样就不可以，因为前面的正则表达式不可以被指定为ab，因此不可以匹配，这样看来(?<=X)一般是放到前面使用，放到后面时没有什么意义的

3.(?!X)  前向否定查找
4.(?<!X)  后向否定查找
这两个和前面的不同就是不匹配X即可