正则表达式负向前瞻

Question

我正在做一些正则表达体操。我给自己设定了一个任务，尝试搜索 C# 代码，其中使用了 as 运算符，但在合理的空间内没有进行空检查。现在我不想解析 C# 代码。例如，我想捕获代码片段，例如

    var x1 = x as SimpleRes;
    var y1 = y as SimpleRes;
    if(x1.a == y1.a)

但是，不捕获

    var x1 = x as SimpleRes;
    var y1 = y as SimpleRes;
    if(x1 == null)

也不就此而言

    var x1 = x as SimpleRes;
    var y1 = y as SimpleRes;
    if(somethingunrelated == null) {...}
    if(x1.a == y1.a)

因此任何随机空检查将被视为“良好检查”，因此不会被发现。

问题是：如何匹配某些内容，同时确保在其周围找不到其他内容。

我尝试过简单的方法，寻找“as”，然后在 150 个字符内进行否定前瞻。

\bas\b.{1,150}(?!\b==\s*null\b)

不幸的是，上面的正则表达式与上面的所有示例相匹配。我的直觉告诉我，问题在于先行查找然后进行负向先行会发现许多先行查找找不到 '== null' 的情况。

如果我尝试否定整个表达式，那么这也没有帮助，因为这会匹配周围的大多数 C# 代码。

Answer 1

我喜欢正则表达式体操！这是一个带有注释的 PHP 正则表达式：

$re = '/# Find all AS, (but not preceding a XX == null).
    \bas\b               # Match "as"
    (?=                  # But only if...
      (?:                # there exist from 1-150
        [\S\s]           # chars, each of which
        (?!==\s*null)    # are NOT preceding "=NULL"
      ){1,150}?          # (and do this lazily)
      (?:                # We are done when either
        (?=              # we have reached
          ==\s*(?!null)  # a non NULL conditional
        )                #
      | $                # or the end of string.
      )
    )/ix'

这是 Javascript 风格的：

re = /\bas\b(?=(?:[\S\s](?!==\s*null)){1,150}?(?:(?===\s*(?!null))|$))/ig;

这确实让我有点头疼...

这是我正在使用的测试数据：

text = r"""    var x1 = x as SimpleRes;
    var y1 = y as SimpleRes;
    if(x1.a == y1.a)

however, not capture
    var x1 = x as SimpleRes;
    var y1 = y as SimpleRes;
    if(x1 == null)

nor for that matter
    var x1 = x as SimpleRes;
    var y1 = y as SimpleRes;
    if(somethingunrelated == null) {...}
    if(x1.a == y1.a)"""

Answer 2

将 .{1,150} 放入前瞻中，并将 . 替换为 \s\S （一般来说，. > 不匹配换行符）。此外，== 附近的 \b 可能会产生误导。

\bas\b(?![\s\S]{1,150}==\s*null\b)

Answer 3

我认为将变量名放入 () 中会有所帮助，这样您就可以将其用作反向引用。像下面这样的东西，

\b(\w+)\b\W*=\W*\w*\W*\bas\b[\s\S]{1,150}(?!\b\1\b\W*==\W*\bnull\b)

Answer 4

问题不清楚。你到底想要什么？我很遗憾，但在多次阅读问题和评论后我仍然不明白。

。

代码必须是 C# 吗？在Python中？其他 ？没有任何迹象表明这一点

。

您是否希望仅在 if(... == ...) 行跟在 var ... = ... 行块之后进行匹配？

或者，块和 if(... == ...) 行之间可能有异质行而不停止匹配？

我的代码将第二个选项视为 true。

。

if(... == ...) 行之后的 if(... == null) 行是否会停止匹配？

无法理解是还是否，我定义了两个正则表达式来捕获这两个选项。

。

我希望我的代码足够清晰并能满足您的关注。

它在Python

import re

ch1 ='''kutgdfxfovuyfuuff
var x1 = x as SimpleRes;
var y1 = y as SimpleRes;
if(x1.a == y1.a)
1618987987849891
'''

ch2 ='''kutgdfxfovuyfuuff
var x1 = x as SimpleRes;
var y1 = y as SimpleRes;
uydtdrdutdutrr
if(x1.a == y1.a)
3213546878'''

ch3='''kutgdfxfovuyfuuff
var x1 = x as SimpleRes;
var y1 = y as SimpleRes;
if(x1 == null)
165478964654456454'''

ch4='''kutgdfxfovuyfuuff
var x1 = x as SimpleRes;
var y1 = y as SimpleRes;
hgyrtdduihudgug
if(x1 == null)
165489746+54646544'''

ch5='''kutgdfxfovuyfuuff
var x1 = x as SimpleRes;
var y1 = y as SimpleRes;
if(somethingunrelated == null ) {...}
if(x1.a == y1.a)
1354687897'''

ch6='''kutgdfxfovuyfuuff
var x1 = x as SimpleRes;
var y1 = y as SimpleRes;
ifughobviudyhogiuvyhoiuhoiv
if(somethingunrelated == null ) {...}
if(x1.a == y1.a)
2468748874897498749874897'''

ch7 = '''kutgdfxfovuyfuuff
var x1 = x as SimpleRes;
var y1 = y as SimpleRes;
if(x1.a == y1.a)
iufxresguygo
liygcygfuihoiuguyg
if(somethingunrelated == null ) {...}
oufxsyrtuy
'''

ch8 = '''kutgdfxfovuyfuuff
var x1 = x as SimpleRes;
var y1 = y as SimpleRes;
tfsezfuytfyfy
if(x1.a == y1.a)
iufxresguygo
liygcygfuihoiuguyg
if(somethingunrelated == null ) {...}
oufxsyrtuy
'''

ch9 = '''kutgdfxfovuyfuuff
var x1 = x as SimpleRes;
var y1 = y as SimpleRes;
tfsezfuytfyfy
if(x1.a == y1.a)
if(somethingunrelated == null ) {...}
oufxsyrtuy
'''

pat1 = re.compile(('('
                   '(^var +\S+ *= *\S+ +as .+[\r\n]+)+?'
                   '([\s\S](?!==\s*null\\b))*?'
                   '^if *\( *[^\s=]+ *==(?!\s*null).+
结果中
>>> 
var x1 = x as SimpleRes;
var y1 = y as SimpleRes;
if(x1.a == y1.a)

var x1 = x as SimpleRes;
var y1 = y as SimpleRes;
if(x1.a == y1.a)
-----------------------------------------
var x1 = x as SimpleRes;
var y1 = y as SimpleRes;
uydtdrdutdutrr
if(x1.a == y1.a)

var x1 = x as SimpleRes;
var y1 = y as SimpleRes;
uydtdrdutdutrr
if(x1.a == y1.a)
-----------------------------------------
None

None
-----------------------------------------
None

None
-----------------------------------------
None

None
-----------------------------------------
None

None
-----------------------------------------
var x1 = x as SimpleRes;
var y1 = y as SimpleRes;
if(x1.a == y1.a)

None
-----------------------------------------
var x1 = x as SimpleRes;
var y1 = y as SimpleRes;
tfsezfuytfyfy
if(x1.a == y1.a)

None
-----------------------------------------
var x1 = x as SimpleRes;
var y1 = y as SimpleRes;
tfsezfuytfyfy
if(x1.a == y1.a)

None
-----------------------------------------
>>> 


                   ')'
                   ),
                  re.MULTILINE)

pat2 = re.compile(('('
                   '(^var +\S+ *= *\S+ +as .+[\r\n]+)+?'
                   '([\s\S](?!==\s*null\\b))*?'
                   '^if *\( *[^\s=]+ *==(?!\s*null).+
结果中


                   ')'
                   '(?![\s\S]{0,150}==)'
                   ),
                  re.MULTILINE)


for ch in (ch1,ch2,ch3,ch4,ch5,ch6,ch7,ch8,ch9):
    print pat1.search(ch).group() if pat1.search(ch) else pat1.search(ch)
    print
    print pat2.search(ch).group() if pat2.search(ch) else pat2.search(ch)
    print '-----------------------------------------'

结果中

Answer 5

让我尝试重新定义您的问题：

1. 查找“as”分配 - 您可能需要一个更好的正则表达式来查找实际分配，并且可能想要存储分配的表达式，但现在让我们使用“\bas\b”
2. 如果您在 150 个字符内看到 if (... == null)，则不匹配
3. 如果在 150 个字符内没有看到 if (... == null) 150 个字符，匹配

由于负前瞻，您的表达式 \bas\b.{1,150}(?!\b==\s*null\b) 将不起作用。正则表达式总是可以向前或向后跳过一个字母，以避免这种消极的前瞻，即使存在 if (... == null) ，您最终也会匹配。

正则表达式确实不擅长不匹配某些内容。在这种情况下，您最好尝试将“as”赋值与 150 个字符内的“if == null”检查相匹配：

\bas\b.{1,150}\b==\s*null\b

然后否定该检查： if (!regex.match(text)) 。 ..

Answer 6

(?s:\s+as\s+(?!.{0,150}==\s*null\b))

我正在使用 ?s: 激活 SingleLine 选项。如果需要，您可以将其放入正则表达式的选项中。我要补充一点，我将 \s 放在 as 周围，因为我认为只有空格在 as 周围才是“合法”的。您可以将 \b 放置为“

(?s:\b+as\b(?!.{0,150}==\s*null\b))

请注意，\s”可能会捕获不是“有效空格”的空格。它定义为 [\f\n\r\t\v\x85\p{Z}]，其中 \p{Z} 是 “分隔符、空格”类别中的 Unicode 字符 加上 “分隔符、行”类别中的 Unicode 字符 加上 “分隔符、段落”类别中的 Unicode 字符。