极客笔记正则表达式反向匹配
正则表达式是一种强大的文本处理工具，它可以用来匹配、查找和替换文本字符串中的匹配项。在正常的正则表达式匹配中，我们通常是从左到右依次匹配字符串中的字符，并尝试匹配出符合条件的内容。然而，在某些情况下，我们需要从右到左进行匹配，这就是正则表达式的反向匹配。
正则表达式反向匹配可以用于许多场景，比如：
- 查找 URL 字符串中的顶级域名
- 在一段 Python 代码中查找最后一个函数调用
- 在日志文件中查找最近的错误信息
在本篇文章中，我们将探讨正则表达式反向匹配的相关知识，并给出示例代码帮助读者更好地理解。
反向匹配语法
在正则表达式中，使用 \b 表示单词的边界，\w 表示单词字符。如果我们想要从右到左进行匹配，只需要在这些字符前加上一个 \G，表示从上一次匹配结束的位置开始。例如，\G\w+\b 表示从字符串末尾开始匹配一段单词。
下面是一个匹配 URL 顶级域名的例子。我们假设有一个字符串列表包含了多个 URL 地址：
import re
urls = [
'https://www.example.com',
'https://news.example.com',
'https://blog.example.com',
'https://www.example.net',
'https://api.example.net',
'https://cdn.example.net',
]
pattern = re.compile(r'(?:\G|^)https?://(?:www\.)?(\w+\.\w+)(?=/|\Z)')
for url in urls:
result = pattern.search(url[::-1])
if result:
print(result.group(1)[::-1])
代码中，我们使用列表推导式将原始的 URL 字符串翻转过来，然后使用反向匹配语法 \G 匹配 URL 地址的顶级域名。最后再将匹配到的结果再次翻转回来，输出正确的顶级域名。
输出结果为：
com
com
com
net
net
net
反向匹配的局限性
使用反向匹配需要注意，它并不是万能的。如果我们在正则表达式的左边有一个量词，例如 .*、+ 或 ?，那么反向匹配就无法正确工作。因为这些量词会尽可能匹配更多的字符，导致反向匹配无法从字符串末尾开始匹配。
下面是一个错误示例，假设我们需要匹配 Python 代码中的最后一个函数调用：
import re
code = '''def add(x, y):\n return x + y\n\nresult = add(1, 2)\nprint(result)'''
pattern = re.compile(r'.*\b(\w+)\(')
result = pattern.search(code[::-1])
if result:
print(result.group(1)[::-1])
else:
print('No match')
我们使用了正则表达式 .*\b(\w+)\(，其中 .* 表示任意字符，会将调用函数之前的所有代码都匹配了。因此，反向匹配无法找到最后一个函数调用，输出结果为：No match。
解决这个问题的方法是，在量词的左边加上 ?，表示尽可能少匹配。例如 .*?\b(\w+)\( 就可以正确地匹配最后一个函数调用了。
结论
正则表达式反向匹配可以在某些特定场景中发挥巨大作用，例如查找 URL 地址中的顶级域名和 Python 代码中的最后一个函数调用。反向匹配的语法非常简单，在需要的位置添加 \G 即可。但是需要注意的是，反向匹配并不是万能的，如果在正则表达式的左边有一个量词，反向匹配会出现问题。此时，可以通过在量词左边添加 ? 的方式进行解决。