如何在 pymongo 中正确设计正则表达式？

Question

我使用 python 3.7.1（默认，2018 年 12 月 14 日，19:28:38）和 pymongo 3.7.2。

在 mongodb 中这有效：

db.collection.find(
    {$and:[
    {"field":{$regex:"bon?"}},
    {"field":{$not:{$regex:"bon souple"}}},
    {"field":{$not:{$regex:"bon léger"}}}
    ]}
    )

所以在 pymongo 我做了同样的事情：

db.collection.find(
    {"$and":[
    {"field":{"$regex":"bon?"}},
    {"field":{"$not":{"$regex":"bon souple"}}},
    {"field":{"$not":{"$regex":"bon léger"}}}
    ]}
    )

但它表示pymongo.errors.OperationFailure: $regex has to be a string。

所以我按照here的建议尝试了这个：

liste_reg=[
{'field': {'$regex': {'$not': re.compile('bon souple')}}}, 
{'field': {'$regex': {'$not': re.compile('bon léger')}}}, 
{'field': {'$regex': re.compile('bon?')}}
]
rslt=list(
    db.collection.find({"$and":liste_reg})
)

我注意到即使没有特殊字符也表示相同的错误：

liste_reg=[
{'field': {'$regex': {'$not': re.compile('bon souple')}}} #where no special char is present
]
rslt=list(
    db.collection.find({"$and":liste_reg})
)

所以我尝试使用"/" 作为：

liste_reg=[
{'field': {'$regex': {'$not':'/bon souple/'}}} #where no special char is present
#even tried re.compile('/bon souple/')
]
rslt=list(
    db.collection.find({"$and":liste_reg})
)

同样的错误pymongo.errors.OperationFailure: $regex has to be a string 仍然出现。

我能做什么？

我对解决方案研究的一些更新

问题的核心似乎在于$not，因为当我这样做时：

liste_reg=[{'field': {'$regex': 'bon?'}}]
rslt=list(
    db.collection.find({"$and":liste_reg})
)
len(rslt)#gives 23 013, what is ok.

没有错误。

一些示例

按照 Emma 的要求，我可以提供一个示例，它会在 mongo 中明确我的请求。 通常，我必须在现场使用这些方式：

• 秒
• très léger
• 莱热
• bon léger
• 好
• 便当
• 双人
• très 汤
• 整理
• 大声
• très Lourd
• 深刻

对我来说主要问题是我的蜘蛛没有正确解析，因为我没有为此编写足够强大的脚本。 我得到的不是仅仅“bon”，而是这样的结果：

{"_id":"ID1",
"field":"bon\r\n\t\t\t\t\t\t\t\t\r\n\t\t\t\t\t\t\t\r\n\t\t\t\t\t\t\t\r\n\t\t\t\t\t\t\t\t\r\n\t\t\t\t\t\t\t\t\t\r\n\t\t\t\t\t\t\t\t\t\tnon",
...}

这是许多其他错误解析之间的示例。 所以这就是为什么我想要以"bon?" 开头但不是"bon souple" 或"bon léger" 的结果，因为它们有正确的值，没有\n 或\t。

作为样本：

[{"_id":"ID1",
"field":"bon\r\n\t\t\t\t\t\t\t\t\r\n\t\t\t\t\t\t\t\r\n\t\t\t\t\t\t\t\r\n\t\t\t\t\t\t\t\t\r\n\t\t\t\t\t\t\t\t\t\r\n\t\t\t\t\t\t\t\t\t\tnon"},
{"_id":"ID2",
"field":"bon\r\n\t\t\t\t\t\t\t\t\r\n\t\t\t\t\t\t\t\r\n\t\t\t\t\t\t\t\r\n\t\t\t\t\t\t\r\n\t\t\t\t\t\tpremière"},
{"_id":"ID3",
"field":"bon\r\n\t\t\t\t\t\t\t\t\r\n\t\t\t\t\t\t\t\r\n\t\t\t\t\t\t\t\r\n\t\t\t\t\t\t\r\n\t\t\t\t\t\t2ème"},
{"_id":"ID4",
"field":"bon souple"},
{"_id":"ID5",
"field":"bon léger"}]

Answer 1

在这里，我们也许可以解决这个问题，也许不使用$not 功能。例如，如果我们不希望有bon souple 或bon léger，它们是bon 后跟一个空格，我们可以使用类似于以下的表达式：

"bon[^\s].+"

DEMO

我不太确定我们希望在这里提取什么，但我只是猜测我们可能想要滑动bon 后面不带空格的值，并且在" 之间。

此外，我们可能希望研究正则表达式查询要求并在必要时调整我们的表达式，例如转义或使用捕获组：

(bon[^\s].+)

或：

"(bon[^\s].+)"

或：

\"(bon[^\s].+)\" 

或：

([\s\S]*?)\"(bon[^\s].+)\"

DEMO

正则表达式电路

jex.im 可视化正则表达式：

---

我不太确定这是否是我们想要的或者是否相关，但根据documentation，我们可以尝试使用：

{ name: { $regex: /([\s\S]*?)\"(bon[^\s].+)\"/, $options: "mi" } }

或：

{ name: { $regex: '([\s\S]*?)\"(bon[^\s].+)\"', $options: "mi" } }

---

db.collection.find

db.collection.find({"field":{ $regex: /(bon[^\s].+)/, $options: "mi" }})

或：

db.collection.find({"field":{ $regex: /(bon[^\s].+)/, $options: "si" }})

---

参考：

PyMongo $in + $regex

Performing regex Queries with pymongo

Answer 2

尝试使用带有否定前瞻的字符串文字。只要您在 'bon' 后面有回车符 (\r)，下面的示例就应该可以工作。

import re
bon = re.compile(r'bon(?=\r)')
db.collection.find({'field': bon})

Answer 3

我刚刚遇到了同样的问题。

尝试这样做：

liste_reg=[
{'field': {'$not': re.compile('bon souple')}}, 
{'field': {'$not': re.compile('bon léger')}}, 
{'field': {'$regex': re.compile('bon?')}}
]
rslt=list(
    db.collection.find({"$and":liste_reg})
)

我刚刚删除了查询的$regex 部分。

背景

我尝试做 {item["type"]: {"$not": item['name']}} 并且 pymongo 返回了 $not needs a regex or a document 错误。

所以，我尝试了：{item["type"]: {"$not": {"$regex": item['name']}}} 并且 pymongo 返回了 $not cannot have a regex 错误。

我找到了这个 SO https://stackoverflow.com/a/20175230/9069964，这就是最终对我有用的方法：

item_name = item["name"]
{item["type"]: {"$not": re.compile(item_name)}}

我不得不放弃“$regex”部分并给“$not”我的正则表达式内容。