选择不包括某些特定单词的单词 - 正则表达式答案

【问题标题】：select words excluding some specific ones - regular expression选择不包括某些特定单词的单词 - 正则表达式
【发布时间】：2019-12-21 17:27:29
【问题描述】：

我正在尝试匹配句子中的单词，不包括以 @ 开头的单词。

不排除以@开头的单词的原始模式如下：

>>> import re
>>> token_pattern_o='(?u)\\b\\w\\w+\\b'
>>> re.search(token_pattern_o, "@mutt")
<re.Match object; span=(1, 5), match='mutt'>

现在我只是为排除添加一个否定的前瞻：

>>> token_pattern = '(?u)\\b^(?!@)\\w\\w+\\b'
>>> re.search(token_pattern, "#mutt")
>>> re.search(token_pattern, "@mutt")
>>> re.search(token_pattern, "mutt")
<re.Match object; span=(0, 4), match='mutt'>
>>> re.search(token_pattern, "_mutt")
<re.Match object; span=(0, 5), match='_mutt'>

问题是，它排除了以任何特殊字符开头的每个单词。

有没有办法实现我想要实现的目标？

【问题讨论】：

标签： python regex regex-negation

【解决方案1】：

我相信您正在寻找以下内容：

token_pattern = '(?u)\\b(?<!@)\\w\\w+\\b'

也就是说，请帮我一个忙：

token_pattern = r'(?u)\b(?<!@)\w\w+\b'

【讨论】：

哇！你能解释一下它是如何工作的吗？

【解决方案2】：

您是要删除字符还是排除整个单词？

import re

patt = re.compile(r'[^@]\w*')

print(patt.search('mutt'))
print(patt.search('#mutt'))
print(patt.search('@mutt'))
print(patt.search('%mutt'))
print(patt.search('^mutt'))

会给出这个输出：

<re.Match object; span=(0, 4), match='mutt'>
<re.Match object; span=(0, 5), match='#mutt'>
<re.Match object; span=(1, 5), match='mutt'>
<re.Match object; span=(0, 5), match='%mutt'>
<re.Match object; span=(0, 5), match='^mutt'>

将模式更改为：

patt = re.compile(r'[^@]?\w*')

将提供此输出：

<re.Match object; span=(0, 4), match='mutt'>
<re.Match object; span=(0, 5), match='#mutt'>
<re.Match object; span=(0, 0), match=''>
<re.Match object; span=(0, 5), match='%mutt'>
<re.Match object; span=(0, 5), match='^mutt'>

【讨论】：

【解决方案3】：

另一种选择是匹配单个单词字符，并断言左边的不是@。

如果是这种情况，匹配 1+ 个单词字符并在模式的开头和结尾使用单词边界。

(?u)\b\w(?<!@\w)\w+\b

部分

(?u) unicode 的内联标志（或使用 re.U）
\b字边界
\w匹配一个单词char
(?<! 负向后看，断言左边的不是
- @\w 匹配 @ 和单个单词 char
) 近距离观察
\w+匹配1+字字符
\b字边界

Regex demo

【讨论】：