后视中的模式无效

Question

为什么这个正则表达式在Python中工作，而在Ruby中不起作用：

/(?<!([0-1b][0-9]|[2][0-3]))/

很高兴听到解释以及如何在 Ruby 中绕过它

使用整行代码进行编辑：

re.sub(r'(?<!([0-1b][0-9]|[2][0-3])):(?!([0-5][0-9])((?i)(am)|(pm)|(a.m)|(p.m)|(a.m.)|(p.m.))?b)' , ':n' , s)

基本上，我试图在有冒号时添加'n'，这不是时间。

Answer 1

Ruby 正则表达式引擎不允许在后面捕获组。 如果需要分组，可以使用非捕获组(?:)：

[8] pry(main)> /(?<!(:?[0-1b][0-9]|[2][0-3]))/
SyntaxError: (eval):2: invalid pattern in look-behind: /(?<!(:?[0-1b][0-9]|[2][0-3]))/
[8] pry(main)> /(?<!(?:[0-1b][0-9]|[2][0-3]))/
=> /(?<!(?:[0-1b][0-9]|[2][0-3]))/

文档：

(?<!subexp)        negative look-behind
Subexp of look-behind must be fixed-width.
But top-level alternatives can be of various lengths.
ex. (?<=a|bc) is OK. (?<=aaa(?:b|cd)) is not allowed.
In negative look-behind, capturing group isn't allowed,
but non-capturing group (?:) is allowed.

从这个答案中学到了。

Answer 2

根据Onigmo 正则表达式文档，在负面回溯中不支持捕获组。尽管这在正则表达式引擎中很常见，但并非所有引擎都将其视为错误，因此您可以在re和 Onigmo 正则表达式库中看到差异。

现在，至于你的正则表达式，它在 Ruby 和 Python 中都无法正常工作：Python 和 Ruby 正则表达式中字符类内的b匹配 BACKSPACE (x08) 字符，而不是单词边界。此外，当您在可选的非单词字符之后使用单词边界时，如果该字符出现在字符串中，则单词字符必须立即出现在该非单词字符的右侧。单词边界必须移动到.?之前的m之后的右边。

当前方法的另一个缺陷是，回溯并不是排除某些上下文的最佳方法，如下所示。 例如，您无法解释时间数字和am/pm之间的可变空格量。最好匹配您不想触摸的上下文，匹配并捕获要修改的上下文。因此，我们在这里需要两个主要的替代方案，一个在时间字符串中匹配am/pm，另一个在所有其他上下文中匹配它们。

您的模式还有太多可以使用字符类和?量词合并的替代项。

正则表达式演示

• b((?:[01]?[0-9]|2[0-3]):[0-5][0-9]s*[pa].?mb.?)：
  • b- 字界
  • ((?:[01]?[0-9]|2[0-3]):[0-5][0-9]s*[pa].?mb.?)- 捕获组 1：
    • (?:[01]?[0-9]|2[0-3])- 可选的0或1，然后是任何数字或2，然后是0到3的数字
    • :[0-5][0-9]-:，然后是00到59
    的数字
    • s*- 0+ 空格
    • [pa].?mb.?-a或p、可选点、m、字边界、可选点
• |- 或
b[ap].?mb.?- 字边界、a或p、可选点、
• m、字边界、可选点

蟒蛇固定解决方案：

import re
text = 'am pm  P.M.  10:56pm 10:43 a.m.'
rx = r'b((?:[01]?[0-9]|2[0-3]):[0-5][0-9]s*[pa].?mb.?)|b[ap].?mb.?'
result = re.sub(rx, lambda x: x.group(1) if x.group(1) else "n", text, flags=re.I)

红宝石解决方案：

text = 'am pm  P.M.  10:56pm 10:43 a.m.'
rx = /b((?:[01]?[0-9]|2[0-3]):[0-5][0-9]s*[pa].?mb.?)|b[ap].?mb.?/i
result = text.gsub(rx) { $1 || "n" }

输出：

"n n  n  10:56pm 10:43 a.m."

Answer 3

当然，@mrzasa发现了问题所在。

但。。 猜测您打算用"："替换非时间冒号的意图，
我想可以这样做。也做一点空白修剪。

(?i)(?<!b[01][0-9])(?<!b[2][0-3])([^Srn]*:)[^Srn]*(?![0-5][0-9](?:[ap].?mb.?)?)

PCRE - https://regex101.com/r/7TxbAJ/1 更换$1n

蟒蛇 - https://regex101.com/r/w0oqdZ/1 替换1n

可读版本

(?i)
(?<!
b [01] [0-9] 
)
(?<!
b [2] [0-3] 
)
(                             # (1 start)
[^Srn]* 
:
)                             # (1 end)
[^Srn]* 
(?!
[0-5] [0-9] 
(?: [ap] .? m b .? )?
)