Python中带负向后看的正则表达式

Question

我在熊猫数据框中有一系列的自由文本注释。我知道怎样才能识别那些与给定正则表达式匹配的字段，这些正则表达式后面包含一个否定的外观。作为一个简单的例子，我有如下字段：

frogs seen
green frog seen
no frogs seen
no green frogs seen
frogs not seen
green frogs not seen

我只想找出那些看到青蛙的线。在real dateset中，可能包含许多其他文本，并且显示的短语包含在较大的文本字符串中。我想到的正则表达式如下：

(?<!no\s)(?:(?:green\s)?frogs?\s)(?!not\s)(?:seen)?

这几乎奏效了。它与预期的“看到青蛙”和“看到绿青蛙”匹配。它也不符合“看不到青蛙”、“看不到青蛙”和“看不到绿青蛙”这正是我们想要的。然而，在短语“看不到绿色青蛙”中，正则表达式与文本“看到青蛙”匹配。你知道吗

据我所知，否定的look behinds只能是固定数量的字符（即不能使用*、+或？允许可变字符串长度）。我以为包括（？）？：绿色）在（？）？：青蛙？）非捕获组将努力找到整个组，如果前面有一个固定长度的负片，则否定它。然而，情况似乎并非如此。你知道吗

任何关于如何解决这个问题的建议都将不胜感激。你知道吗

Answer 1

我相信，你的lookback不起作用的原因是因为你有(?:green\s)?，使“绿色”成为可选的。当扫描器到达'frog'时，它会向后看三个字符，寻找'no'，但没有找到它，因此它接受'no green frogs seen'作为匹配。如果改为(?:green\s)，那么“green”不是可选的，那么这个测试用例将被拒绝。因此，与其使用负向后看，不如尝试负向前看：

import re

test_cases = [
'frogs seen',
'green frog seen',
'no frogs seen',
'no green frogs seen',
'frogs not seen',
'green frogs not seen'
]

regex = re.compile(r'(?!no\s+)(?:(?:green\s+)?frogs?)(?=\s+seen)')
for test_case in test_cases:
    if re.match(regex, test_case):
        print(test_case)

印刷品：

frogs seen
green frog seen

Answer 2

我想出了这个正则表达式（regex101）：

test_cases = [
'frogs seen',
'green frog seen',
'no frogs seen',
'no green frogs seen',
'frogs not seen',
'green frogs not seen'
]

import re

for test_case in test_cases:
    m = re.findall(r'^((?!(?:(?:\bno\b.*frogs?)|(?:frogs?.*\bnot\b.*seen))).)*$', test_case)
    if m:
        print('{} matches!'.format(test_case))

印刷品：

frogs seen matches!
green frog seen matches!