Lookahead și Lookbehind pozitiv și negativ în expresiile regulate Python

Uneori trebuie să rezolvi o problemă de acest tip: găsește șirul 'aaa' și înlocuiește-l cu '!', dar numai dacă după 'aaa' se află 'x', iar 'x' în sine să nu fie înlocuit. Dacă încercăm să rezolvăm problema 'direct', nu vom reuși:

txt = 'aaax baaa'
res = re.sub('aaax', '!', txt)

print(res) # va afișa '! baaa', dar am vrut '!x baaa'

Lookahead

Pentru a rezolva problema, este nevoie de o modalitate de a spune că 'x' nu trebuie înlocuit. Acest lucru se face cu ajutorul unor paranteze speciale (?= ), care doar se uită, dar nu preiau cu ele.

Aceste paranteze se numesc lookahead pozitiv. Pozitiv - deoarece 'x' (în cazul nostru) trebuie să fie prezent - doar atunci va avea loc înlocuirea.

Să aplicăm aceste paranteze pentru a rezolva problema noastră:

txt = 'aaax baaa'
res = re.sub('aaa(?=x)', '!', txt)
print(res) # va afișa '!x aaab

Există și lookahead negativ - (?! ) - el, dimpotrivă, spune că ceva nu trebuie să fie. În următorul exemplu, înlocuirea va avea loc doar dacă după 'aaa' se află NU 'x':

txt = 'aaax aaab'
res = re.sub('aaa(?!x)', '!', txt)

print(res) # va afișa 'aaax !b'

Lookbehind

În mod analog, există lookbehind pozitiv - (?<= ). În următorul exemplu, înlocuirea va avea loc doar dacă înaintea 'aaa' se află 'x':

txt = 'xaaa'
res = re.sub('(?<=x)aaa', '!', txt)

print(res) # va afișa 'x!'

Și există și lookbehind negativ - (?<! ). În următorul exemplu înlocuirea va avea loc doar dacă înaintea 'aaa' nu se află 'x':

txt = 'baaa'
res = re.sub('(?<!x)aaa', '!', txt)

print(res) # va afișa 'b!'

Probleme practice

Este dat un șir care conține nume de funcții:

txt = 'func1() func2() func3()'

Obțineți un array cu numele funcțiilor din șir.

Este dat un șir cu un tag:

txt = '<a href="" class="eee" id="zzz">'

Obțineți un array cu numele atributelor acestui tag.

Este dat un șir cu variabile:

txt = '$aaa $bbb $ccc xxxx'

Obțineți subșirurile dinaintea cărora se află simbolul dolar.