正则否定前瞻应用：关键词间无指定否定词时提取后续整数

我有一个包含两个关键词keyword_1、keyword_2的字符串，keyword_2后跟随一个整数。我希望仅当特定否定关键词keyword_neg未出现在keyword_1与keyword_2之间时，提取该整数。此外，所有关键词之间可能存在随机文本。

尝试多种正则表达式均未成功：

• 第一个测试字符串本应返回空结果，却返回了数字9；
• 第二个测试字符串应返回数字5。

原始代码如下：

import re
# 以下字符串应返回空，因为在"ISIN ABC123"和"Fondets omløpshastighet er"之间出现了"ISIN"
str_that_should_return_nothing = "ISIN ABC123 blabla ISIN DEF123 Fondets omløpshastighet er 9 blabla"

# 以下字符串应返回5，因为"ISIN ABC123"和"Fondets omløpshastighet er"之间没有出现"ISIN"
str_that_should_return_5 = "ISIN ABC123 blabla Fondets omløpshastighet er 5 ISIN DEF123 Fondets omløpshastighet er 9 blabla"

pattern = 'ISIN ABC123.*?(?!ISIN).*?Fondets omløpshastighet er (\d)' # 无效
match = re.findall(pattern, str_that_should_return_nothing )
print("str_1_f: ", match)
match = re.findall(pattern, str_that_should_return_5)
print("str_2_t: ", match)

你之前的正则表达式失效原因是：(?!ISIN)是零宽负向预测断言，它仅检查当前位置后是否不是ISIN，无法阻止后续文本中出现该关键词。要实现"两关键词间不包含否定词"的逻辑，需要用逐字符检查的否定断言结构。

修正后的代码与正则 #

import re

str_that_should_return_nothing = "ISIN ABC123 blabla ISIN DEF123 Fondets omløpshastighet er 9 blabla"
str_that_should_return_5 = "ISIN ABC123 blabla Fondets omløpshastighet er 5 ISIN DEF123 Fondets omløpshastighet er 9 blabla"

# 修正后的正则表达式
pattern = r'ISIN ABC123(?:(?!ISIN).)*?Fondets omløpshastighet er (\d+)'

match = re.findall(pattern, str_that_should_return_nothing)
print("str_1_f: ", match)  # 输出: str_1_f:  []

match = re.findall(pattern, str_that_should_return_5)
print("str_2_t: ", match)  # 输出: str_2_t:  ['5']

正则逻辑解释 #

• ISIN ABC123: 匹配起始关键词
• (?:(?!ISIN).)*?: 非捕获组，核心逻辑所在：
  • (?!ISIN): 每匹配一个字符前，先检查当前位置后是否不是ISIN，确保区间内不会出现该否定关键词
  • .: 匹配任意单个字符
  • *?: 非贪婪匹配，避免跨过目标keyword_2匹配到后续内容
• Fondets omløpshastighet er (\d+): 匹配结束关键词，并用\d+捕获后续整数（支持多位数，比\d更实用）

进阶优化（匹配独立单词） #

如果需要确保ISIN是独立单词（避免匹配ISINXYZ这类包含ISIN的字符串），可以给关键词加上单词边界\b：

pattern = r'\bISIN ABC123\b(?:(?!\bISIN\b).)*?\bFondets omløpshastighet er\b (\d+)'

内容的提问来源于stack exchange，提问作者Spaniel