前瞻和非捕获正则表达式

Question

我试图将电子邮件地址中@字符之前的本地部分与以下内容匹配:

LOCAL_RE_NOTQUOTED = """
((
\w         # alphanumeric and _
| [!#$%&'*+-/=?^_`{|}~]          # special chars, but no dot at beginning
)
(
\w         # alphanumeric and _
| [!#$%&'*+-/=?^_`{|}~]          # special characters
| ([.](?![.])) # negative lookahead to avoid pairs of dots. 
)*)
(?<!\.)(?:@)           # no end with dot before @
"""

使用以下内容进行测试：

re.match(LOCAL_RE_NOTQUOTED, "a.a..a@", re.VERBOSE).group()

给出：

'a.a..a@'

为什么输出中会打印出@，即使我使用了非捕获组(?:@)？

测试代码：

 re.match(LOCAL_RE_NOTQUOTED, "a.a..a@", re.VERBOSE).groups()

提供：

('a.a..a', 'a', 'a', None)

为什么正则表达式没有拒绝具有两个点 '..' 的字符串？

- morfys

---

有时候，使用一个简单的正则表达式，例如/([\S]+)@/g，然后在下一步过滤输出中不需要的垃圾数据会更容易些。 - Jakub M.

@Jakub，是的，但这样就太容易了。 :) 不过，我想知道为什么它不起作用... - morfys

正则表达式中的#字符不应该被转义吗？（代码的第4行和第8行） - Jakub M.

@Jakub：不在字符类中。 - Tim Pietzcker

Answer 1

你混淆了非捕获组(?:...)和前瞻断言(?=...)。

前者确实参与匹配（因此是match.group()的一部分，其中包含整个匹配），但它们不生成回溯引用（例如后续使用的$1等）。

第二个问题（为什么双点被匹配？）有点棘手。这是由于您的正则表达式中存在错误。您看，当您编写（缩短以便说明）

[+-/]

你写道：“匹配在+和/之间的字符，在ASCII码中，点号刚好在它们中间（ASCII码为43-47：+,-./）。因此，第一个字符类匹配了点号，而向前查找断言永远不会触发。你需要将破折号放在字符类的末尾来将其视为字面上的破折号：

((
\w         # alphanumeric and _
| [!#$%&'*+/=?^_`{|}~-]          # special chars, but no dot at beginning
)
(
\w         # alphanumeric and _
| [!#$%&'*+/=?^_`{|}~-]          # special characters
| ([.](?![.])) # negative lookahead to avoid pairs of dots. 
)*)
(?<!\.)(?=@)           # no end with dot before @

当然，如果你想使用这个逻辑，你可以将其简化：

^(?!\.)                   # no dot at the beginning
(?:
[\w!#$%&'*+/=?^_`{|}~-]   # alnums or special characters except dot
| (\.(?![.@]))            # or dot unless it's before a dot or @ 
)*
(?=@)                     # end before @

- Tim Pietzcker

---

非常感谢您的回复。您在我的正则表达式中发现错误，真是太棒了！ - morfys