你能解释一下为什么这个正则表达式不起作用吗？

Question

>>> d = "Batman,Superman"
>>> m = re.search("(?<!Bat)\w+",d)
>>> m.group(0)
'Batman'

为什么group(0)没有匹配到Superman？这篇反向引用教程解释道：

(?

- Geo

---

这是一个非常出色的正则表达式测试工具，它在许多场合下都帮了我大忙。 - chisaipete

Answer 1

Batman并不是直接跟在Bat后面的，因此首先匹配的是它。实际上，Superman也不是；在您的字符串中有一个逗号，这足以允许RE匹配，但它仍然没有匹配，因为可能在字符串中更早地匹配。

也许这样会更好地解释：如果字符串是Batman，并且您从m开始尝试匹配，那么RE将不会匹配，直到字符之后（给出匹配an），因为这是字符串中唯一一个前面跟着Bat的位置。

- Donal Fellows

Answer 2

来自手册：

以负向回顾断言开头的模式可能会匹配正在搜索的字符串的开头。

http://docs.python.org/library/re.html#regular-expression-syntax

- AJ.

Answer 3

在简单的层面上，正则表达式引擎从字符串的左侧开始，并向右逐步移动，尝试匹配您的模式（可以将其视为光标在字符串中移动）。在查找环节的情况下，在光标停止的每个位置上，都会断言查找环节，如果为真，则引擎继续尝试进行匹配。一旦引擎能够匹配您的模式，它就会返回一个匹配项。

在您字符串的位置0（即在“Batman”中的B之前），断言成功，因为当前位置之前不存在“Bat”，因此\w+可以匹配整个单词“Batman”（请记住，正则表达式本质上是“贪心”的 - 即将尽可能多地匹配）。

请参见this page以获取更多有关引擎内部的信息。

---

为了实现你想要的，你可以使用类似以下的东西：

\b(?!Bat)\w+

在这个模式中，引擎将匹配一个单词边界（\b）¹，然后是一个或多个单词字符，并断言这些单词字符不以Bat开头。使用了前瞻而不是后顾，因为在这里使用后顾会和您原来的模式有同样的问题；它会在紧跟在单词边界之后的位置之前查找，而且由于已经确定光标之前的位置是单词边界，否定的后顾会始终成功。

¹注意，单词边界匹配\w和\W之间的边界（即[A-Za-z0-9_]与任何其他字符之间的边界；它还匹配^和$锚点）。如果您的边界需要更复杂的情况，您将需要一种不同的方式对模式进行定位。

- Daniel Vandersluis

Answer 4

你正在寻找第一组一个或多个字母数字字符（\w+），它不是由'Bat'前置。Batman是第一个这样的匹配项。（请注意，负回顾断言可以匹配字符串的开头。）

- Simon Whitaker

Answer 5

要实现您想要的功能，您必须将正则表达式限制为仅匹配'man'；否则，就像其他人指出的那样，\w会贪婪地匹配任何内容，包括'Batman'。代码如下：

>>> re.search("\w+(?<!Bat)man","Batman,Superman").group(0)
'Superman'

- senderle