Python re模块负前瞻失效：匹配结果意外包含目标字符串

负前瞻失效的核心原因 #

你之前的负前瞻写法(?!des)逻辑有误：它仅检查匹配片段的末尾位置之后是否不是des，而非确保商家名之后不会紧跟des。比如在CHASE CREDIT CRD DES AUTOPAY中，若正则是([A-Z\s]+)(?!des)，会匹配到CHASE CREDIT CRD DES——因为这个片段的末尾后面是 AUTOPAY，不是des，符合(?!des)的条件，但实际上该片段包含了des，完全违背需求。

正确正则写法与互补列表生成 #

1. 匹配规则定义 #

假设你的商家名由字母、空格、缩写（如CRD）组成，且“被des跟随”指商家名后紧跟独立的DES单词（不区分大小写）：

• 匹配被DES跟随的商家名：用正前瞻锁定DES前的内容，非贪婪匹配避免过度截取
• 匹配不被DES跟随的商家名：用负前瞻排除后续紧跟DES的情况，同时兼容字符串结尾

2. 代码实现 #

import re
import pandas as pd

# 示例DataFrame（替换为你的实际数据）
df = pd.DataFrame({
    'transaction': [
        'CHASE CREDIT CRD DES AUTOPAY',
        'AMAZON.COM PAYMENT',
        'APPLE STORE DES BILL',
        'STARBUCKS COFFEE'
    ]
})

# 编译正则（re.IGNORECASE兼容大小写）
regex_followed = re.compile(r'([A-Z\s]+?)(?=\s+DES\b)', re.IGNORECASE)
regex_not_followed = re.compile(r'([A-Z\s]+?)(?=\s+(?!DES\b)|$)', re.IGNORECASE)

# 提取两类商家名，确保无交集
df['followed_by_des'] = df['transaction'].apply(
    lambda x: regex_followed.search(x).group(1).strip() if regex_followed.search(x) else None
)
df['not_followed_by_des'] = df['transaction'].apply(
    lambda x: regex_not_followed.search(x).group(1).strip() if (regex_not_followed.search(x) and not regex_followed.search(x)) else None
)

# 生成互补列表
followed_list = df['followed_by_des'].dropna().tolist()
not_followed_list = df['not_followed_by_des'].dropna().tolist()

3. 关键逻辑说明 #

• regex_followed：用(?=\s+DES\b)正前瞻，确保匹配的内容后面紧跟独立的DES单词；+?非贪婪匹配避免把DES也包含进去
• regex_not_followed：用(?=\s+(?!DES\b)|$)负前瞻，确保匹配的内容后面要么是字符串结尾，要么是后续单词不是DES
• 提取not_followed_by_des时，额外排除已被followed_by_des匹配的行，严格保证两个列表无交集

内容的提问来源于stack exchange，提问作者etw