模式意外结束：Python Regex

Question

当我使用下面的python regex来执行下面描述的功能时，我得到了一个意外的模式结束错误。

正则表达式：

modified=re.sub(r'^(?i)((?:(?!http://)(?!testing[0-9])(?!example[0-9]).)*?)(?-i)
(CODE[0-9]{3})(?!</a>)',r'<a href="http://productcode/\g<1>">\g<1></a>',input)

此正则表达式的用途：

输入：

CODE876
CODE223
matchjustCODE657
CODE69743
code876
testing1CODE888
example2CODE098
http://replaced/CODE665

应该匹配：

CODE876
CODE223
CODE657
CODE697

并将事件替换为

http://productcode/CODE876
http://productcode/CODE223
matchjusthttp://productcode/CODE657
http://productcode/CODE69743

不应匹配：

code876
testing1CODE888
testing2CODE776
example3CODE654
example2CODE098
http://replaced/CODE665

最终输出

http://productcode/CODE876
http://productcode/CODE223
matchjusthttp://productcode/CODE657
http://productcode/CODE69743
code876
testing1CODE888
example2CODE098
http://replaced/CODE665

编辑并更新1

modified=re.sub(r'^(?i)((?:(?!http://)(?!testing[0-9])(?!example[0-9]).)*?)(CODE[0-9]{3})(?!</a>)',r'<a href="http://productcode/\g<1>">\g<1></a>',input)

错误不再发生了。但这与所需的任何模式都不匹配。匹配组或匹配本身是否有问题。因为当我像这样编译这个正则表达式时，我的输入没有匹配。

编辑和更新2

f=open("/Users/mymac/Desktop/regex.txt")
s=f.read()

s1 = re.sub(r'((?!http://|testing[0-9]|example[0-9]).*?)(CODE[0-9]{3})(?!</a>)', 
            r'\g<1><a href="http://productcode/\g<2>">\g<2></a>', s)
print s1

输入

CODE123 CODE765 testing1CODE123 example1CODE345 http://www.coding.com/CODE333 CODE345

CODE234

CODE333

输出

<a href="http://productcode/CODE123">CODE123</a> <a href="http://productcode/CODE765">CODE765</a> testing1<a href="http://productcode/CODE123">CODE123</a> example1<a href="http://productcode/CODE345">CODE345</a> http://www.coding.com/<a href="http://productcode/CODE333">CODE333</a> <a href="http://productcode/CODE345">CODE345</a>

<a href="http://productcode/CODE234">CODE234</a>

<a href="http://productcode/CODE333">CODE333</a>

Regex适用于原始输入，但不适用于文本文件中的字符串输入。

有关更多结果，请参见输入4和5 http://ideone.com/3w1E3

Answer 1

我看到的唯一问题是你用错误的捕获组替换。

modified=re.sub(r'^(?i)((?:(?!http://)(?!testing[0-9])(?!example[0-9]).)*?)(?-i)(CODE[0-9]{3})(?!</a>)',r'<a href="http://productcode/\g<1>">\g<1></a>',input)  
                       ^                                                        ^                                                        ^
                    first capturing group                                  second one                                         using the first group

在这里，我让第一个也是一个非捕获组

^(?i)(?:(?:(?!http://)(?!testing[0-9])(?!example[0-9]).)*?)(?-i)(CODE[0-9]{3})(?!</a>)

看here on Regexr

Answer 2

好吧，看起来问题出在(?-i)上，这很令人惊讶。内联修饰符语法的目的是让您可以将修饰符应用到regex的选定部分。至少，它们在大多数口味中都是这样工作的。在Python中，它们似乎总是修改整个regex，就像外部标志一样（re.I，re.M，等等）。替代的(?i:xyz)语法也不起作用。

另一方面，我认为没有任何理由使用三个单独的lookaheads，正如您在这里所做的那样：

(?:(?!http://)(?!testing[0-9])(?!example[0-9]).)*?

或者他们在一起：

(?:(?!http://|testing[0-9]|example[0-9]).)*?

---

编辑：我们似乎已经从regex为什么抛出异常的问题转移到了它为什么不工作的问题。我不确定我是否理解您的要求，但是下面的regex和替换字符串返回您想要的结果。

s1 = re.sub(r'^((?!http://|testing[0-9]|example[0-9]).*?)(CODE[0-9]{3})(?!</a>)', 
            r'\g<1><a href="http://productcode/\g<2>">\g<2></a>', s)

see it in action one ideone.com

这就是你想要的吗？

---

编辑：我们现在知道替换是在更大的文本中完成的，而不是在独立的字符串上。这使得问题变得更加困难，但是我们也知道完整的url（以http://开头的url）只出现在已经存在的锚元素中。这意味着我们可以将regex分成两个备选方案：一个用于匹配完整的<a>...</a>元素，另一个用于匹配目标字符串。

(?s)(?:(<a\s+[^>]*>.*?</a>)|\b((?:(?!testing[0-9]|example[0-9])\w)*?)(CODE[0-9]{3}))

诀窍是使用函数代替静态字符串进行替换。每当regex与锚定元素匹配时，函数将在组（1）中找到它，并将其原封不动地返回。否则，它使用组（2）和组（3）来构建新的组。

here's another demo（我知道这是可怕的代码，但我现在太累了，无法学习更像Python的方法。）

Answer 3

你的主要问题是对Python 2.7和3.2来说是一厢情愿的想法。有关详细信息，请参见下文。

import re
# modified=re.sub(r'^(?i)((?:(?!http://)(?!testing[0-9])(?!example[0-9]).)*?)(?-i)
# (CODE[0-9]{3})(?!</a>)',r'<a href="http://productcode/\g<1>">\g<1></a>',input)
# observation 1: as presented, pattern has a line break in the middle, just after (?-i)
# ob 2: rather hard to read, should use re.VERBOSE
# ob 3: not obvious whether it's a complile-time or run-time problem
# ob 4: (?i) should be at the very start of the pattern (see docs)
# ob 5: what on earth is (?-i) ... not in 2.7 docs, not in 3.2 docs
pattern = r'^(?i)((?:(?!http://)(?!testing[0-9])(?!example[0-9]).)*?)(?-i)(CODE[0-9]{3})(?!</a>)'
#### rx = re.compile(pattern)
# above line failed with "sre_constants.error: unexpected end of pattern"
# try without the (?-i)
pattern2 = r'^(?i)((?:(?!http://)(?!testing[0-9])(?!example[0-9]).)*?)(CODE[0-9]{3})(?!</a>)'
rx = re.compile(pattern2)
# This works, now you need to work on observations 1 to 4,
# and rethink your CODE/code strategy

看来建议置若罔闻。。。下面是re.VERBOSE格式的模式：

pattern4 = r'''
    ^
    (?i)
    (
        (?:
            (?!http://)
            (?!testing[0-9])
            (?!example[0-9])
            . #### what is this for?
        )*?
    ) ##### end of capturing group 1
    (CODE[0-9]{3}) #### not in capturing group 1
    (?!</a>)
    '''