python - 在特定位置匹配

Question

这是 this question 的后续(虽然不是我问的)。试图回答，我遇到了几个问题。

考虑字符串 strings123[abc789<span>123</span>def<span>456</span>000]strings456 ，如何匹配方括号中没有被 span 中的 Python 标签包围的数字(使用较新的 regex 模块)？
在示例字符串中，这将是 789 和 000 。

---

我正在摆弄像 ( demo )

这样的 \G

(?:\G(?!\A)|\[)
[^\d\]]*
\K
\d+

和 (*SKIP)(*FAIL) ( demo ):

<span>.*?</span>(*SKIP)(*FAIL)
|
\d+

但无法将两者结合起来 statements :

<span>.*?</span>(*SKIP)(*FAIL)
|
(?:
    (?:\G(?!\A)|\[)
    [^\d\]]*
    (\d+)
    [^\d\]]*
    \K
)

如何做到这一点？

Answer 1

我喜欢 PyPi regex module 的一个原因是它支持无限宽度后视:

• Variable-length lookbehind
  

       A lookbehind can match a variable-length string.

>>> import regex
>>> s = 'strings123[abc789<span>123</span>def<span>456</span>000]strings456'
>>> rx = r'(?<=\[[^][]*)(?:<span>[^<]*</span>(*SKIP)(?!)|\d+)(?=[^][]*])'
>>> regex.findall(rx, s)
['789', '000']
>>> 

图案细节:

• (?<=\[[^][]*) - 在当前位置的左侧必须有一个 [ 后跟零个或多个 ] 和 [ 以外的字符
• (?: - 非捕获组开始
  • <span>[^<]*</span>(*SKIP)(?!) - 匹配 <span> ，然后是 < 以外的 0+ 个字符(带有 [^<]* 否定字符类)，然后是 </span> 并在匹配结束位置丢弃匹配，继续寻找下一个匹配
  • | - 或
  • \d+ - 1 位以上
• (?=[^][]*]) - 除了 ] 和紧靠当前位置右侧的 ] 之外，在零个或多个字符之后必须有一个 [。