python - 在 Python 的正则表达式中与后向断言和负向后断言打结

Question

我有一个 Pandas 数据框，其中有一列字符串数据由正斜杠分隔的两个不同部分组成。我想从字符串的“右侧”提取文本模式，但如果存在特定的字符串模式则不会。以下简单示例说明了这个问题。

import numpy as np
import pandas as pd
import re

myDF = pd.DataFrame({'pet':['rabbit','mammal/rabbit','mammal/small fluffy rabbit','mammal/lop-eared rabbit','mammal/many rabbits','mammal/jack rabbit']})

因此，数据框如下所示:

                          pet
0                      rabbit
1               mammal/rabbit
2  mammal/small fluffy rabbit
3     mammal/lop-eared rabbit
4         mammal/many rabbits
5          mammal/jack rabbit

我希望能够提取与 rabbit 相关的术语，但前提是它们出现在 / 分隔符的右侧，而不是 rabbit 前面有jack(有或没有中间空格)。

我想出的正则表达式是:

rxStr = '(?P<bunny>(?<=/)(?<!jack)(?:.*rabbits?))'

...我希望要求所有匹配项都以 / 开头，但如果以 jack 开头则不需要。但是，它并没有像我希望的那样工作。我尝试了很多变体，但没有任何运气。

rxStr = '(?P<bunny>(?<=/)(?<!jack)(?:.*rabbits?))'

rx = re.compile(rxStr,flags=re.I|re.X)

rabbitDF = myDF['pet'].str.extract(rx,expand=True)

myDF = myDF.join(rabbitDF)

print(myDF)

                          pet                bunny
0                      rabbit                  NaN
1               mammal/rabbit               rabbit
2  mammal/small fluffy rabbit  small fluffy rabbit
3     mammal/lop-eared rabbit     lop-eared rabbit
4         mammal/many rabbits         many rabbits
5          mammal/jack rabbit          jack rabbit

在第 0 行中，正则表达式正确地找不到匹配项，因为没有 / 字符。但是，尽管 jack 在 rabbit 之前，但在第 5 行 jack rabbit 匹配。

我如何编写一个正则表达式来识别 rabbit 术语，但前提是前面有 / 而不是前面有 jack？对于上面给出的正则表达式为何失败的任何解释，我们也将不胜感激。

Answer 1

使用先行而不是后行:

myDF.pet.str.extract('(?P<bunny>(?<=/)(?!jack).*rabbit)', expand=True)

                 bunny
0                  NaN
1               rabbit
2  small fluffy rabbit
3     lop-eared rabbit
4          many rabbit
5                  NaN

(               # capture group
    (?<=/)      # lookbehind - forwardslash
    (?!jack)    # negative lookahead - "jack" 
    .*          # match anything
    rabbit      # match "rabbit"
)

在这里，否定前瞻意味着 fwslash 后面不能跟“jack”。