RegEx如何根据特定位置的字符否定匹配

Question

请注意：我正在使用Python（版本3.6）进行编程，但也希望将这些正则表达式移植到SAS中。

大致情况是，我正在处理一个SAS日志，并且希望排除来自%include语句的打印在日志中的行。基本上，我想要实现的效果如下：

54210      proc sort data=inds out=outds;

我不想要的行将会是这样：

33406     +%global  var1 var2 var3;

重点在于第11个字符将是“+”，但是左侧始终会有一组数字，后跟一组空格，其长度最终将为11个空格-除非它是一个%include行，我要将其排除。

到目前为止，我拥有的是这样的内容：

^[0-9]{1,11} (?! {2,10}\+)

这种方法在我测试的日志中能够完全抓取我想要的内容，但是它并不完美。采用以下表达式是一个简单的解决方法：

^[0-9]{1,11} {3,10}

然后添加一个额外的条件，如果第11个字符是“+”，则忽略该行，但我可以在单个正则表达式中完成这个操作吗？我在处理此问题时遇到了前瞻/后顾，但问题在于第一匹配的组长度可能会变化，这就使得预期的“+”的位置发生了变化 - 所以我能否在一定长度内匹配一组，然后如果其后跟一个字符，则否定匹配？

- Michael Stackhouse

---

^[0-9]{1,11} {3,10} 已经确保第11个字符不是 +。 - Wiktor Stribiżew

抱歉，您能解释一下“锁定前瞻后的第二部分，以严格捕获N个数字后跟M个空格，其中N + M == 1”的意思吗？您是想仅匹配数字或空格总和为10的块吗？我认为提供两三个示例并说明每个示例的预期输出会有所帮助。 - Wiktor Stribiżew

在SAS日志文件中，我要查找的行始终是一个行计数器，后面跟着空格，并且在找到任何其他字符之前总长度为11。因此，请参阅以下链接：https://regex101.com/r/m24BZk/2 - Michael Stackhouse

要明确的是，我认为你给我的东西非常充足，所以我认为这是一个非常令人满意的答案。但请看 https://regex101.com/r/qp44lN/4 中的最后一行。如果 a) 字符串至少有11个字符，b) 它以数字开头，c) 该数字后面跟着一个空格，则在前11个字符中可能会有第二个数字，它仍然会匹配。此时，我只是好奇这个表达式是否可以万无一失。 - Michael Stackhouse

这对我来说看起来很好 - 我曾经尝试过类似的回顾，但你修复了第一部分，这就锁定了它。非常感谢!!! - Michael Stackhouse

Answer 1

您可以使用

^\d+ +(?<=.{11})

请查看正则表达式演示

细节

• ^ - 字符串开头
• \d+ + - 1个或多个数字，然后是1个或多个空格
• (?<=.{11}) - 正向后瞻检查，要求当前位置左侧恰好有11个字符。

- Wiktor Stribiżew

---

只是想从您在原始问题的评论中添加一些内容（因为这解决了我的问题，但我的问题是基于特定位置的字符否定匹配），此表达式成功地根据+的位置否定了匹配：^(?!.{10}\+)(?=[\d ]{11}(?! ))\d+ +，其中初始负向前瞻^(?!.{10}\+)针对第11个位置的+。再次感谢！ - Michael Stackhouse

Answer 2

您可以使用^[0-9\s]{,11}\+来丢弃不需要的日志。它匹配最多11个数字和/或空格，后跟一个+（这似乎是不需要的项目的模式）。如果您想要否定匹配，只需执行not re.match(...)。

使用前瞻，您可以拒绝包含其前11个字符中包含+的字符串，然后匹配所需的模式：^(?=[^+]{11})[0-9]{1,11} {3,10}。

(?=      # Look ahead and assert equal that ...
   [^+]  # ... anything but a plus ...
   {11}  # ... matches the following 11 characters.
)

- a_guest

---

这有所帮助，但仍不是我想要的完全的解决方案，因为它总是数字后面跟着空格。这允许数字和空格可以互换。而我明确希望匹配，但如果"+"是第11个字符，则否定匹配。因此，在这种情况下，重要的是匹配类似54210 proc sort data=inds out=outds;这样的内容，但不匹配33406 +%global var1 var2 var3;。 - Michael Stackhouse

@MichaelStackhouse 这是否意味着+符号总是在第11个位置？那么有什么阻止你捕获它并检查相应的组（或者更简单地说，string[10] == '+'）？你可以使用前瞻来断言前11个字符中没有一个是+符号（请参考我的更新答案）。这对你有帮助吗？无论如何，你可以使用两个正则表达式，一个用于“白名单”所需的日志，另一个用于“黑名单”不需要的日志，然后执行if not blacklisted and whitelisted: ...。 - a_guest

我正在排除第11个位置有+的行，但这只是将?=反转为?!或!=的简单操作，就像你上面列出的一样。是的，你回答的内容与Wiktor在我的原始问题的评论线程中回答的内容非常相似，而且那个方法也可行。所以我可以使用类似的策略。另外，是的，我可以简单地添加第二个条件，但出于自己的学习目的，我想尝试将所有内容都包装到一个表达式中。我最困扰的部分可以在上面的评论线程中看到。 - Michael Stackhouse

我在这个链接中保存了一个表达式和示例字符串以进行测试：https://regex101.com/r/m24BZk/2 - Michael Stackhouse

Answer 3

与其使用正则表达式过滤，你是否考虑在SAS代码中设置适当的日志选项，以便不会记录来自%include语句的行？即在程序开头设置option nosource2;。

文档：

http://support.sas.com/documentation/cdl/en/lrdict/64316/HTML/default/viewer.htm#a000279225.htm

- user667489

---

我对此无法控制我的客户，因为所有日志选项都在他们的autoexec中预设（巧合的是，我试图过滤掉的那些行）并且需要根据他们的SOP进行定义。他们开启了比我想看到的更多的选项。 - Michael Stackhouse