Python 正則是否存在前向貪婪匹配呢？

場景描述

由於專案的某一些應用場景出現瞭如下的需求：

A： str = “ABCABABCABABC”

B： 將其中ABC都摳出來 

猛一看，這還不easy呢？ 直接    ABC匹配不就出來了嗎？

str = "ABCABABCABABC"
res = re.findall(r'ABC', str, re.M)

這結果不就出來了嗎？

可是難就難在這邊，這邊的ABC並非真實的字母，而是一個泛指 。具體的str參見如下描述：

str1 = "a:bc123cdf\ddd1 d32sfdfds2332fsd1 \n data:dsafdsfssdfsd\nalert ===> virus\n" \
       "a:bc123cdfd\ddd2 32sfdfds2332fsd1 \n data:dsafdsfssdfsd end222end!!!!\n" \
       "a:bc123cdfd\ddd3 32sfdfds2332fsd1 \n data:dsafdsfssdfsd\nalert===> no virus\n" \
       "a:bc123cdfd\ddd3 32sfdfds2332fsd1 \n data:dsafdsfssdfsd\nalert===> no virus\n" \
       "a:bc123cdfd\ddd2 32sfdfds2332fsd1 \n data:dsafdsfssdfsd end33333end!!!\n"

要求:

1、我們忽略'\n'，可以看到我們這邊暫時分為了五行，我們要做到的事： 匹配第一、三、四行資料 

2、扣除 一三四行中\後面的ddd1、ddd3以及與之對應的 alert結果 no virus

 

實戰分析

既然題目已經給出了， 那麼我們就來做吧。 對於正則，我想大部分人已經非常熟悉了。

首先，我們必須忽略'\n', 那麼我們必須使用re庫中的S，表示忽略\n換行符。  

sp = re.findall("a[:].*?data[:].*?alert.*?\n", str1, re.S)
print sp
for i in range(len(sp)):
    print sp[i]

這是我一開始給出的正規表示式，可惜得到的結果不盡人意：

a:bc123cdf\ddd1 d32sfdfds2332fsd1 
 data:dsafdsfssdfsd
alert ===> virus

a:bc123cdfd\ddd2 32sfdfds2332fsd1 
 data:dsafdsfssdfsd end222end!!!!
a:bc123cdfd\ddd3 32sfdfds2332fsd1 
 data:dsafdsfssdfsd
alert===> no virus

a:bc123cdfd\ddd3 32sfdfds2332fsd1 
 data:dsafdsfssdfsd
alert===> no virus

我們可以看到，結果分割出來  起始 和結束都沒有問題，但是中間 類似於“ABABC”卻被匹配上了。這不是我們想要的。

 

正則的前向貪婪匹配

我們都知道，正則有自己的貪婪模式，可以向後匹配最近的欄位。那麼我們能不能根據alert欄位匹配前面最近的AB呢？

str2 = "00000aaaaa111111aaa00000bbbbb11111"
res2 = re.findall(r'(?<=0)(?!0)\w+?(?=1)', str2)
print res2

#結果
['aaaaa', 'bbbbb']

可惜呢，找了全網 基本都沒有我們想要的結果。於是乎 這條路基本就算走死了。

《如果以後，發現了 再回來！！！！！ 》

 

 

最終解決

似乎，我們想要的都不是我們期望的，那行吧，既然前向走不通，那就最簡單的方式吧。

將所有 

\n data  ==》 data
\n alert ==》 alert

那麼我們的串將變為：

str1 = "a:bc123cdf\ddd1 d32sfdfds2332fsd1  data:dsafdsfssdfsd alert ===> virus\n" \
       "a:bc123cdfd\ddd2 32sfdfds2332fsd1  data:dsafdsfssdfsd end222end!!!!\n" \
       "a:bc123cdfd\ddd3 32sfdfds2332fsd1  data:dsafdsfssdfsd alert===> no virus\n" \
       "a:bc123cdfd\ddd3 32sfdfds2332fsd1  data:dsafdsfssdfsd alert===> no virus\n" \
       "a:bc123cdfd\ddd2 32sfdfds2332fsd1  data:dsafdsfssdfsd end33333end!!!\n"

結果卻依然沒有改變ABABC這樣的問題，

a:bc123cdf\ddd1 d32sfdfds2332fsd1  data:dsafdsfssdfsd alert ===> virus

a:bc123cdfd\ddd2 32sfdfds2332fsd1  data:dsafdsfssdfsd end222end!!!!
a:bc123cdfd\ddd3 32sfdfds2332fsd1  data:dsafdsfssdfsd alert===> no virus

a:bc123cdfd\ddd3 32sfdfds2332fsd1  data:dsafdsfssdfsd alert===> no virus

但是我們接著對上述結果 進行再匹配（原先的中間間隔換行不太好搞） 注意這邊使用的re.M 不寫或者re.S都會出錯！！！

res = re.findall(r'a:.*?\\(.*?) .*?===>(.*?)\n', str1, re.M)
print res

#結果

[('ddd1', ' virus'), ('ddd3', ' no virus'), ('ddd3', ' no virus')]

 

總結下吧

對於這種多換行的正則匹配，沒有好的辦法 可以替換 換行，最後在替換回來的辦法 進行匹配檢索！！！！

 

最後附上完整程式碼 練習使用！

# encoding:utf-8
import re

str1 = "a:bc123cdf\ddd1 d32sfdfds2332fsd1  data:dsafdsfssdfsd alert ===> virus\n" \
       "a:bc123cdfd\ddd2 32sfdfds2332fsd1  data:dsafdsfssdfsd end222end!!!!\n" \
       "a:bc123cdfd\ddd3 32sfdfds2332fsd1  data:dsafdsfssdfsd alert===> no virus\n" \
       "a:bc123cdfd\ddd3 32sfdfds2332fsd1  data:dsafdsfssdfsd alert===> no virus\n" \
       "a:bc123cdfd\ddd2 32sfdfds2332fsd1  data:dsafdsfssdfsd end33333end!!!\n"
sp = re.findall("a[:].*?data[:].*?alert.*?\n", str1, re.S)
print sp
for i in range(len(sp)):
    print sp[i]

str2 = "00000aaaaa111111aaa00000bbbbb11111"
res2 = re.findall(r'(?<=0)(?!0)\w+?(?=1)', str2)
print "11111"
print res2

res = re.findall(r'a:.*?\\(.*?) .*?===>(.*?)\n', str1, re.M)
print res

str = "ABCABABCABABC"
res = re.findall(r'ABC', str, re.M)
print res