Lookahead и lookbehind

Lookahead и lookbehind — это утверждения (assertions), которые проверяют наличие шаблона вперёд или назад без захвата текста. Мощный инструмент для сложных условий поиска.

#Что такое assertions

Assertions проверяют условие в позиции текста, но не захватывают символы:

^ — начало строки
$ — конец строки
\b — граница слова
(?=...) — положительный lookahead
(?!...) — отрицательный lookahead
(?<=...) — положительный lookbehind
(?<!...) — отрицательный lookbehind

#Lookahead (опережение)

Lookahead проверяет, что следует после текущей позиции.

#Положительный lookahead (?=...)

Проверяет, что впереди есть указанный шаблон:

import re

# Найти число, за которым следует 'руб'
re.search(r'\d+(?=руб)', 'Цена: 100руб')  # '100'
re.search(r'\d+(?=руб)', 'Цена: 100$')    # None

# Без lookahead захватит и 'руб'
re.search(r'\d+руб', 'Цена: 100руб')  # '100руб'

#Отрицательный lookahead (?!...)

Проверяет, что впереди НЕТ указанного шаблона:

# Найти число, за которым НЕ следует 'руб'
re.search(r'\d+(?!руб)', 'Цена: 100$')    # '100'
re.search(r'\d+(?!руб)', 'Цена: 100руб')  # None

# Проверка сложного пароля (без последовательных одинаковых символов)
re.search(r'^(?!.*(\w)\1).{8,}$', 'abc12345')  # None — есть '11'
re.search(r'^(?!.*(\w)\1).{8,}$', 'abcdefgh')  # Match

#Lookbehind (ретроспектива)

Lookbehind проверяет, что было перед текущей позицией.

#Положительный lookbehind (?<=...)

Проверяет, что перед позицией есть указанный шаблон:

# Найти число, перед которым стоит '$'
re.search(r'(?<=\$)\d+', 'Price: $100')  # '100'
re.search(r'(?<=\$)\d+', 'Price: 100$')  # None

# Без lookbehind захватит и '$'
re.search(r'\$\d+', 'Price: $100')  # '$100'

#Отрицательный lookbehind (?<!...)

Проверяет, что перед позицией НЕТ указанного шаблона:

# Найти число, перед которым НЕ стоит '$'
re.search(r'(?<!\$)\d+', 'Price: 100')  # '100'
re.search(r'(?<!\$)\d+', 'Price: $100') # None

# Найти слово без префикса 'un'
re.search(r'(?<!un)\w+', 'happy')   # 'happy'
re.search(r'(?<!un)\w+', 'unhappy') # 'happy' — найдёт 'happy' после 'un'

#Комбинирование lookahead и lookbehind

Можно использовать оба утверждения одновременно:

# Найти число между '$' и 'руб'
re.search(r'(?<=\$)\d+(?=руб)', '$100руб')  # '100'

# Извлечение значения из строки формата
text = 'Цена: $150руб, Скидка: $50руб'
re.findall(r'(?<=\$)\d+(?=руб)', text)  # ['150', '50']

#Практические примеры

#1. Валидация пароля

# Минимум 8 символов, хотя бы одна буква и одна цифра
pattern = r'^(?=.*[A-Za-z])(?=.*\d)[A-Za-z\d]{8,}$'

# (?=.*[A-Za-z]) — есть хотя бы одна буква
# (?=.*\d) — есть хотя бы одна цифра
# [A-Za-z\d]{8,} — только буквы и цифры, минимум 8

bool(re.match(pattern, 'password1'))  # True
bool(re.match(pattern, 'password'))   # False — нет цифры
bool(re.match(pattern, 'pass1'))      # False — меньше 8

#2. Извлечение текста без кавычек

text = '"hello" and "world"'

# Без lookbehind/lookahead
re.findall(r'"([^"]*)"', text)  # ['hello', 'world'] — с группой

# С lookbehind и lookahead
re.findall(r'(?<=")[^"]*(?=")', text)  # ['hello', 'world'] — без группы

#3. Поиск слов в определённом контексте

text = 'The cat sat on the cat mat'

# 'cat' не после 'the '
re.findall(r'(?<!the )cat', text, re.IGNORECASE)  # ['cat'] — второй 'cat'

# 'cat' не перед ' mat'
re.findall(r'cat(?! mat)', text, re.IGNORECASE)  # ['cat'] — первый 'cat'

#4. Валидация email с ограничениями

# Email не должен начинаться или заканчиваться на точку
pattern = r'^(?!\.)[\w.-]+[\w-](?<!\.)@[\w.-]+\.[a-zA-Z]{2,}$'

# (?!\.) — не начинается с точки
# (?<!\.) — не заканчивается на точку перед @

bool(re.match(pattern, 'user@example.com'))  # True
bool(re.match(pattern, '.user@example.com')) # False
bool(re.match(pattern, 'user.@example.com')) # False

#5. Извлечение значений после ключа

text = 'name: John, age: 30, city: Moscow'

# Значение после 'age: '
re.search(r'(?<=age: )\d+', text)  # '30'

# Все значения после ': '
re.findall(r'(?<=: )[^,]+', text)  # ['John', '30', 'Moscow']

#Ограничения lookbehind

В стандартном re lookbehind требует фиксированной длины:

# Работает: фиксированная длина
re.search(r'(?<=\$)\d+', '$100')  # '100'

# Ошибка: переменная длина
re.search(r'(?<=\${1,3})\d+', '$$$100')  # error: look-behind requires fixed-width pattern

# Решение: использовать альтернативу
re.search(r'\${1,3}(\d+)', '$$$100')  # '100' — с группой

Примечание: В Python 3.11+ и библиотеке regex это ограничение снято.

#Lookahead с альтернативой

# Найти число перед 'руб' или '$'
re.findall(r'\d+(?=руб|\$)', 'Цена: 100руб или $200')  # ['100', '200']

# Найти слово перед '!' или '?'
re.findall(r'\w+(?=[!?])', 'Hello! How are you?')  # ['Hello', 'you']

#Вложенные assertions

Можно комбинировать несколько assertions:

# Пароль: минимум 8 символов, буква, цифра, спецсимвол
pattern = r'^(?=.*[A-Za-z])(?=.*\d)(?=.*[@$!%*?&])[A-Za-z\d@$!%*?&]{8,}$'

# (?=.*[A-Za-z]) — есть буква
# (?=.*\d) — есть цифра
# (?=.*[@$!%*?&]) — есть спецсимвол

bool(re.match(pattern, 'Pass123!'))  # True
bool(re.match(pattern, 'Password'))  # False — нет цифры и спецсимвола

#Отладка assertions

Assertions не захватывают текст, что может запутать:

# Lookahead не захватывает 'руб'
match = re.search(r'\d+(?=руб)', '100руб')
match.group()  # '100' — только число

# Для захвата используйте группу
match = re.search(r'(\d+)руб', '100руб')
match.group(1)  # '100'

#Распространённые ошибки

#1. Переменная длина в lookbehind

# Ошибка в re: переменная длина
re.search(r'(?<=\${1,3})\d+', '$$$100')  # error

# Решение: фиксированная длина или альтернатива
re.search(r'(?<=\$)\d+', '$$$100')  # '$$100' — не то
re.search(r'\${1,3}(\d+)', '$$$100')  # '100' — правильно

#2. Lookahead в неправильном месте

# Ошибка: lookahead после цифр проверяет то, что после цифр
re.search(r'\d+(?=руб)', 'руб100')  # None

# Правильно: lookahead должен быть после позиции проверки
re.search(r'(?<=руб)\d+', 'руб100')  # '100'

#3. Забытый якорь начала

# Ошибка: без ^ проверка в любом месте строки
re.search(r'(?=.*\d).{8,}', 'abc12345extra')  # Match — но может быть не то

# Правильно: с ^ для проверки всей строки
re.search(r'^(?=.*\d).{8,}$', 'abc12345')  # Match