时间戳

首页 > 解决方案 > 我的负前瞻不起作用 - 为什么？

python - 我的负前瞻不起作用 - 为什么？

问题描述

我有一个散布着各种字符串、日期、制表符和语言代码的文本。我想提取日期+制表符组合之后的字符串，然后是像'[en]'这样的语言代码，一个制表符，之后我们没有字符串“BAD THINGS”（例如“ 2020-01-12\tSTRING WE NEED[en]\tGOOD THINGS"，而不是"2020-01-12\tSTRING WE DON'T NEED[en]\tBAD THINGS"）。

这是我正在使用的简短示例文本：

\n2021-01-12\t不需要这个字符串 [it]\tBad things\tBad things\n2021-01-12\t这个字符串也不需要 [en]\tBad things\tBad things\n2021-01-11\ tString 1 是必需的！[it]\tString 1 是必需的！此处重复\t此处不感兴趣\n2021-01-11\t需要的String 2 [fr]\t此处重复需要的String 2\t不必要的字符串\n2021-01-11\t需要的String 3... [ ru]\tString 3 that is required...在这里重复\t我们不感兴趣的另一部分

我制作了这个正则表达式来捕获日期和语言代码之间的所有字符串：

(\d{4}-\d{2}-\d{2}\\t)(.*?)(\[\w{2}\]\\t)

这很好用（见这里）。但是，当我添加一个否定的前瞻来排除那些后面跟着“坏事”的人时，我所有的正则表达式都会向南：

(\d{4}-\d{2}-\d{2}\\t)(.*?)(\[\w{2}\]\\t)(?!Bad things)

你可以在这里看到结果。我知道我的前瞻不知何故使正则表达式变得贪婪，但我不知道如何避免这种情况，添加 ? 在它不起作用之后。你能帮帮我吗？

标签： pythonregexregex-lookarounds

解决方案

不确定这是否会涵盖所有情况，但这似乎可行：

(\d{4}-\d{2}-\d{2}\\t)([^][]*)(\[\w{2}\]\\t)(?!Bad things)

演示在这里。

解释：

(\d{4}-\d{2}-\d{2}\\t)   date and tab
([^][]*)                 collect only things that do not contain chars `[` and `]`   
(\[\w{2}\]\\t)           follow up [<tag>]
(?!Bad things)           Negative Lookahead

推荐阅读