先行断言和后行断言

前言

之前写sql 时遇到一个问题，要匹配以房间号结尾的地址模式字符串，但是输入的数据中存在以路号结尾数据，单纯的采用’/d+号$'，会匹配到路号或者楼号的模式。想到可以用正则中的先行断言和后行断言实现，故在这里对它们进行梳理，并记录实现时遇到的后行断言不支持变长的错误。

先行断言和后行断言

正则表达式的先行断言和后行断言一共有 4 种形式：

• (?=pattern) 零宽正向先行断言(zero-width positive lookahead assertion)
  • 表达式一(?=子组表达式)表达式二：先捕获’表达式一表达式二’，满足的话，再判断表达式二是否以子组表达式开头，即对表达式二开头有肯定断言。
• (?!pattern) 零宽负向先行断言(zero-width negative lookahead assertion)
  • 表达式一(?!子组表达式)表达式二：先捕获’表达式一表达式二’，满足的话，再判断表达式二是否是不以子组表达式开头，即对表达式二开头有否定断言
• (?<=pattern) 零宽正向后行断言(zero-width positive lookbehind assertion)
  • 表达式一(?<=子组表达式)表达式二：先捕获’表达式一表达式二’，再看表达式一的结尾是否符合子组表达式肯定断言
• (?<!pattern) 零宽负向后行断言(zero-width negative lookbehind assertion)
  • 表达式一(?<！子组表达式)表达式二：先捕获’表达式一表达式二’，再看表达式一的结尾是否符合子组表达式否定断言

实例：

1. 正向先行断言

re.search(r'abc(?=d.*f).*f',"fishabc@abcdefade") # 识别"abcdef" 无法识别 "abc@abcdef"
re.search(r'.*[路|街|道](?=.?[0-9]+号).*',"风景大街第100号商铺") # 识别到***风景大街第100号商铺***
## PS：当表达式二的前面是.*时，表达式一可以放子组表达式开头，即表示对表达式二开头有正向断言

2. 负向先行断言

re.search(r'abc(?!d.*f).*f',"fishabcd@abcdefade") # 无法识别***abcdef***; 识别"abc@abcdef"
re.search(r'.*[路|街|道](?!.?[0-9]+号).*号',"风景大街第100-101号商铺") # 无法识别到***风景大街第100-101号商铺***
## PS：当表达式一为空或.*时，表达式二应该有有一个确定性的开头，否则子组表达式的否定通常都能成立
re.search(r'(?!风景大街10000号).*号',"风景大街10000号") # 可以识别"景大街10000号"

3. 正向后行断言

re.search(r'abc.*a(?<=fa)',"fishabc@abcdefade") # 识别到***abc@abcdefa***
re.search(r'.*[路|街|道].?[0-9]+号(?<=[0-9]号).*',"风景大街第100号商铺") # 识别到***风景大街第100号商铺***
## PS：在python 实现是不支持子组表达式是变长，如re.search(r'.*[路|街|道].?[0-9]+号(?<=[0-9]+号).*',"风景大街第100号商铺") 将报错。

4. 负向后行断言

re.search(r'abc.*a(?<!fa)',"fishabc@abcdefade") # 识别到***abc@a***
re.search(r'.*[路|街|道].?[0-9]+(?<![0-9]号).*',"风景大街第100-号商铺") # 识别到***风景大街第100-号商铺***
## PS：同正向后行断言，该断言在python 实现是不支持子组表达式是变长,

结论

先行断言支持对模式开头进行断言，在进行负向断言时表达式二的开头不能是任意字符；后行断言对模式结尾进行断言，在python实现后行断言时断言的子组表达式不能是变长的模式。
一些问题难以解决可能不是问题本身很难，而是没有对问题进行更好的描述。前文中问题可以描述为，识别以’号’结尾的文本且对该文本断言不是以路加路号结尾(负向后行断言)；或识别不以’路’开头的中文+数字+'号’结尾的模式串(负向先行断言)