使用正则表达式排除字符串搜索中的字符？答案

【问题标题】：using regular expressions to exclude characters in a string search?使用正则表达式排除字符串搜索中的字符？
【发布时间】：2013-11-24 08:06:43
【问题描述】：

我正在使用 Python 2.7.2 脚本来查找我用作主单词列表的文本文件中的单词列表。

我在终端窗口中调用脚本，输入任意数量的正则表达式，然后运行脚本。

所以，如果我传入两个正则表达式“^.....$”和“.*z”，它将打印每个包含至少一个“z”的五个字母的单词。

我想要做的是添加另一个正则表达式来排除字符串中的一个字符。我想打印出所有有五个字母的单词，一个“z”，但是 -not- 一个“y”。

代码如下：

import re
import sys

def read_file_to_set(filename):
    words = None
    with open(filename) as f:
        words = [word.lower() for word in f.readlines()]
    return set(words)

def matches_all(word, regexes):
    for regex in regexes:
        if not regex.search(word):
            return False
    return True

if len(sys.argv) < 3:
    print "Needs a source dictionary and a series of regular expressions"
else:
    source = read_file_to_set(sys.argv[1])
    regexes = [re.compile(arg, re.IGNORECASE)
               for arg in sys.argv[2:]]
    for word in sorted(source):
        if matches_all(word.rstrip(), regexes):
            print word,

我可以在传递给程序的正则表达式上添加哪些修饰符，以允许我从它打印的字符串中排除某些字符？

如果不可能，代码中需要实现什么？

【问题讨论】：

标签： python regex string

【解决方案1】：

指定一个不匹配的字符是这样完成的（这匹配除了小写字母之外的任何字符）：

[^a-z]

所以要匹配一个不包含“y”的字符串，正则表达式为：^[^y]*$

逐字解释：

^ 表示“开始”，如果它出现在正则表达式的开头。同样，$ 表示“结束”，如果它出现在末尾。 [abAB] 匹配范围内或范围内的任何字符。例如，匹配任何十六进制字符（大写或小写）：[a-fA-F0-9]

* 表示0 个或多个前面的表达式。作为[] 中的第一个字符，^ 有不同的含义：它的意思是“不”。所以[^a-fA-F0-9] 匹配任何非十六进制字符。

当您在^ 和$ 之间放置一个模式时，您会强制正则表达式与字符串完全匹配（在模式之前或之后都没有）。结合所有这些事实：

^[^y]*$ 表示字符串正好是 0 个或多个不是“y”的字符。（要做一些更有趣的事情，你可以检查非数字：^[^0-9]$

【讨论】：

这正是我想要的！你介意解释一下“^[^y]*$”中的每个字符在做什么吗？我才刚刚开始使用计算机编程/Python，并且我已经在正则表达式的文档中看到了这些字符中的每一个，但无法考虑像这样将它们组合起来以获得该结果。
这是非常有用的解释，谢谢。您能解释一下如何制作它，以便您可以组合 2 个正则表达式“NOT”/排除语句吗？例如，如果你想匹配一些不是 y 并且它也不是 q 的字符串会是什么样子？
@EazyC 如果排除是字符，它只是 [^yq]*。如果是完整的字符串，它实际上是相当困难的。我不知道如何随意，但我认为你可以通过消极的前瞻/后瞻来做到这一点。正则表达式是关于匹配字符的，但是当涉及到 not 匹配字符时，它们就没有那么强大了。因此，一些正则表达式引擎甚至不支持前瞻/后瞻。（不同之处在于它们匹配的不是当前字符，而是潜在的未来/以前的字符。）因此，要搜索“不是这个和那个”，您需要负前瞻/后瞻。

【解决方案2】：

您可以使用negative look arounds 完成此操作。这不是正则表达式特别快的任务，但它确实有效。要匹配除子字符串 foo 之外的所有内容，您可以使用：

>>> my_regex = re.compile(r'^((?!foo).)*$', flags = re.I)
>>> print my_regex.match(u'IMatchJustFine')
<_sre.SRE_Match object at 0x1034ea738>
>>> print my_regex.match(u'IMatchFooFine')
None

正如其他人所指出的，如果您只匹配一个字符，那么一个简单的 not 就足够了。更长更复杂的否定匹配需要使用这种方法。

【讨论】：