正则表达式检测未引用的单词

Question

我有这个检测所有单词的正则表达式：

\b[^\d\W]+\b

我有这个正则表达式来检测引用的文本：

\'[^\".]*?\'|\"[^\'.]*?\"

是否有正则表达式可以检测不在引号中的单词（单引号和双引号）？

示例：

import re
a = "big mouse eats cheese? \"non-detected string\" 'non-detected string too' hello guys"
re.findall(some_regex, a)

它应该输出这个 ['big', 'mouse', 'eats', 'cheese', 'hello', 'guys']

我知道我可以使用re.sub() 来检测引用的文本，然后将其替换为空白字符串，但这就是我不想做的事情。

我还查看了此页面regex match keywords that are not in quotes 并尝试了此(^([^"]|"[^"]*")*)|(^([^']|'[^']*')*) 但它不起作用A regex to detect string not enclosed in double quotes 也尝试了此(?<![\S"])([^"\s]+)(?![\S"])|(?<![\S'])([^'\s]+)(?![\S']) 都检测到所有单词

Answer 1

你可以使用

import re
a = '''big mouse eats cheese? "non-detected string" 'non-detected string too' hello guys'''
print( [x for x in re.findall(r'''"[^"]*"|'[^']*'|\b([^\d\W]+)\b''', a) if x])
# => ['big', 'mouse', 'eats', 'cheese', 'hello', 'guys']

请参阅Python demo。列表推导用于对输出进行后处理，以删除匹配引用的子字符串产生的空项。

这种方法有效，因为re.findall only returns the captured substrings 在正则表达式中定义捕获组时。 "[^"]*"|'[^']*' 部分匹配但不捕获单引号和双引号之间的字符串，\b([^\d\W]+)\b 部分匹配并将单词边界之间的任何一个或多个字母或下划线捕获到第 1 组中。