Python Regex Word Boundaries 未按预期工作 [重复]答案

【问题标题】：Python Regex Word Boundaries not working as expected [duplicate]Python Regex Word Boundaries 未按预期工作 [重复]
【发布时间】：2014-09-06 01:06:57
【问题描述】：

为什么边界这个词不起作用？

阅读this site，我知道单词边界是这样的：

有资格作为单词边界的三个不同位置：

在字符串的第一个字符之前，如果第一个字符是单词字符。
在字符串的最后一个字符之后，如果最后一个字符是单词字符。
字符串中两个字符之间，一个是单词字符，另一个不是单词字符。

下面的a 字符串似乎至少适合上面列出的位置之一。

a = 'Builders Club The Ohio State'
re.sub('\bThe\b', '', a, flags=re.IGNORECASE)

输出。 “The”没有变化。

'Builders Club The Ohio State'

为什么边界这个词不起作用？

当我在 ' The ' 模式前后放置空格时，正则表达式似乎可以工作。

a = 'Builders Club The Ohio State'
re.sub(' The ', ' ', a, flags=re.IGNORECASE)

输出：

'Builders Club Ohio State'

【问题讨论】：

标签： python regex

【解决方案1】：

您需要为您的正则表达式模式（不处理转义序列）使用raw-string：

>>> import re
>>> a = 'Builders Club The Ohio State'
>>> re.sub(r'\bThe\b', '', a, flags=re.IGNORECASE)
'Builders Club  Ohio State'
>>>

否则，\b 将被解释为退格字符：

>>> print('x\by')
y
>>> print(r'x\by')
x\by
>>>

【讨论】：

详细说明：反斜杠是普通字符串中的转义字符，因此\b 变成了a backspace character。所以要么你需要使用\\b 要么使用原始字符串文字。
通常在使用正则表达式时，最好使用原始字符串。
啊 ic。如果我使用 r" 是否会混淆其他字符，例如 ^ 和 $？
@user3314418 不，它只会影响您需要使用的反斜杠的数量（提示：您不需要使用原始字符串那么多）
我明白了。我尝试使用正则表达式 r'\b\[details\]\b' 删除文本中的 [details]。但是单词边界不起作用。它在没有\b 的情况下工作，因为我没有任何包含 [details] 作为子字符串的文本。即使我对我拥有的数据有一个解决方案，但我觉得它没有被普遍化。关于我的代码中发生了什么的任何建议。

【解决方案2】：

试试这个

import re
p = re.compile(ur'\bThe\b', re.IGNORECASE)
test_str = u"Builders Club The Ohio State"
subst = u""

result = re.sub(p, subst, test_str)

输出：

Builders Club Ohio State

这里是DEMO

【讨论】：