python - 为什么 (?<!index)\.html？无法匹配 'abc.html'

Question

m = re.match('(?<!index)\.html?', 'abc.html')
print(m)

无法匹配，在我的内存中它应该工作...我是菜鸟，请帮助我。非常感谢。

Answer 1

re.match包括字符串 anchor 的隐式开始。 (?<!index)说 .不能以 index 开头, 但它不匹配任何不是 index 的东西要么，因此隐式 anchor 意味着这仅有效匹配以 .html? 开头的字符串.

要修复，请使用 re.search而不是 re.match (删除隐式 anchor )，或显式捕获前面的文本(负后视断言仍然排除以 index 结尾的任何内容):

m = re.match('.*(?<!index)\.html?', 'abc.html')  # Use re.fullmatch to prevent arbitrary suffixes
#             ^^ added

允许以 index 结尾的事物，但不完全是 index ，您可以使用替代方法:

m = re.match('(?:.{6,}|.{,5}(?<!index))\.html?', 'aindex.html')

如果名称至少有六个字符，我们允许匹配或者它是五个或更少并且它们不是index .

我会注意到，这里的复杂性意味着我倾向于完全跳过正则表达式；纯字符串方法会非常好。例如，假设这只是测试，而不是使用生成的匹配对象，您可以替换:

if re.match('(?:.{6,}|.{,5}(?<!index))\.html?', filename):

无论是:

if filename.endswith(('.htm', '.html')) and filename not in ('index.htm', 'index.html'):

或:

root, ext = os.path.splitext(filename)
if ext in ('.htm', '.html') and root != 'index':

当然它稍微长了一点，但它远没有那么复杂/容易出错。