python、正则表达式、否定前瞻和匹配捕获问题

Question

我在使用正则表达式时遇到了问题，也许你可以帮我解决这个问题。我的行变量包含我想要操作的这些字符串（每个 for 循环循环一个字符串）：

sip="100.107.0.5" sp="123" dip="100.107.193.1" dp="123" nat-dip="84.2.44.19" sip="100.101.199.1" sp="37690" dip="100.107.0.4" dp="80" nat-dip="100.107.0.4"

最简单的部分：当dip=和nat-dip=后引号中的值相等时，将子字符串nat-dip="..."完全删除。这很容易做到：

line = re.sub(r'dip="([^"]+)(" .+)nat-dip="" ' ,r'dip="' ,line)

但糟糕的是：当值不相等时，写下 nat-dip= 的值代替 dip= 的值。我尝试使用负前瞻并捕获值，但它不断失败，我无法找出代码行的错误部分，即：

line = re.sub(r'dip="([^"]+)(" .+)(?!nat-dip="()") ' ,r'dip="' ,line)

我得到的是：

sip="100.107.0.5" sp="123" dip="" dp="123" nat-dip="84.2.44.19"

... 而不是这个：

sip="100.107.0.5" sp="123" dip="84.2.44.19" dp="123"

我做错了什么？你有什么建议吗？

Answer 1

如果你想在这两种情况下删除 nat-dip，你可以在单个替换中使用这样的表达式 (demo)

dip=\"[^\"]*\"([ ]dp=\"[^\"]*\")[ ]nat-dip=\"([^\"]*)\"
Replace Pattern: dip=""
 contains the value of nat-dip,
 contains the dp attribute and its value since it's caught in the capture

  dip=\"     # Literal dip="
  [^\"]*     # Any character but ", zero or more times.
  \"         # Literal "
  (          # Open Capture Group 1 (to retain dp)
    [ ]      # a single space, bracketed here for visibility
    dp=\"    # Literal dp="
    [^\"]*   # Any character but ", zero or more times.
    \"       # Literal "
  )          # Close Capture group
  [ ]        # A single space
  nat-dip=\" # Literal nat-dip="
  (          # Open capture group 2 (the value of nat-dip)
    [^\"]*   # Any character but ", zero or more times.
  )          # Close capture group 2
  \"         # Literal "

它总是将 dip 的值设置为 nat-dip 的值。当它们相等时，这不是明显的变化。当它们不相等时，它会改变值。在这两种情况下，它都会掉落 nat-dip。

更新： 根据您的评论。有机会你会说 "No, we need to keep nat-dip in that case."。理想情况下，我会使用分支重置（保持捕获组一致，但 Python 不支持。

所以我会使用像这样的 if-then-else 条件 (?(?=lookaround condition)true pattern|false pattern))。网上的一切都说 python 支持这样的组，但 regex101 不断抛出模式错误（即使使用示例中的复制粘贴，所以没有拼写错误），.对于这个演示，我切换到 PCRE demo.

dip=\"([^\"]*)\"([ ]dp=\"[^\"]*\")(?(?![ ]nat-dip="")([ ]nat-dip=\"([^\"]*)\")|[ ]nat-dip=\"([^\"]*)\")

dip=\"([^\"]*)\"([ ]dp=\"[^\"]*\")
(?                            # if
  (?![ ]nat-dip="")         # condition
    ([ ]nat-dip=\"([^\"]*)\")   # then do
  |                           # else
    [ ]nat-dip=\"([^\"]*)\"     # do
  )                           # end if

主要区别在于 else-do 不捕获它的内容。它可以，但它永远不会使用它们。

如果满足条件 </code> 包含整个 <code>nat-dip 属性和值。如果不满足条件，</code>什么都不是，<code>""

您会注意到替换模式是 dip=""，因为 nat-dip value 是否在 </code> 中并且 <code> 是否为空，反之亦然取决于如果满足条件。

在分支重置的情况下，两个值都可以与 \4 对齐。可以让眼睛轻松一点。没有 Regex Flavor 支持所有好东西。

但事实是，我只是向您展示一个前瞻性解决方案，因为您提出了问题，在这种情况下甚至没有必要。简单的交替就可以了，尽管有必要颠倒交替的顺序 (demo) 当然，在某些情况下，条件语句是救星（特别是关于 lookbehinds.

终于，多行代码很难做到这一点。我们可以将其分解为带有回调的模式提取，该回调使用 python 的 if 到 return 结果，但我们的目标是提高效率。但可以肯定的是，并非所有事情都可以用一种表达方式来完成。如果你想用 dp 做其他事情，那通常需要，而且通常是有意义的，在一个单独的动作中。

python、正则表达式、否定前瞻和匹配捕获问题

python, regex, trouble with negative lookahead and capture of the match

python

regex

string

negative-lookahead