向复杂的正则表达式添加异常

Question

有一个非常复杂的正则表达式。

但我有一个问题。如果# 和++ 后面有字母，则删除它们。

问题：如何为（C++ 和 C# 标记）的当前正则表达式添加异常？

我使用了下一个正则表达式：

import re

text = 'Must-have skills: -.Net programming experience; -2 years experience in C++; C#/.Net, C++/.Net, C./.Net.'
text = re.sub(r'[!,.:;—](?= |$)', ' ', text)
print(re.sub(r'(?i)(?:(?!\.net\b|\b-\b)[^\w\s])+(?=[^\w\s]*\b)', ' ', text))

我得到了下一个结果：

'Must-have skills   .Net programming experience   2 years experience in C++  C .Net  C .Net  C .Net '

期望的结果：

'Must-have skills   .Net programming experience   2 years experience in C++  C# .Net  C++ .Net  C .Net '

当前正则表达式详细信息

• (?i) - 不区分大小写模式开启
• (?:(?!\.net\b|\b-\b)[^\w\s])+ - 任何标点符号 ([^\w\s])，尽可能多地出现 1 次或多次，但不启动任何序列：
  • \.net\b - .net 全文
  • | - 或
  • \b-\b - 用字符括起来的连字符
• (?=[^\w\s]*\b) - 正向前瞻，需要 0+ 个标点字符，后面紧跟当前位置右侧的单词边界位置。

Answer 1

编辑

#1

与以下相同，但要短得多，我将定义必须在一组捕获的字符之前的字符

>>> import re

>>> text = 'Must-have skills: -.Net programming experience; -2 years experience in C++; C#/.Net, C++/.Net, C./.Net.'

>>> re.sub('(?:(?<!\S)|(?<=[\s\+\.C#]))[\-!,.:;—/]|[\-!,.:;—/](?=\s|$)', ' ', text)


#Output
'Must-have skills   .Net programming experience   2 years experience in C++  C# .Net  C++ .Net  C  .Net '

.

说明

• 这里的答案实际上与下面的答案相同，但不是声明必须在捕获的集合之前的字符，这些字符将被逐一处理，而是将它们全部定义在一个集合中。

.

#2

一种非常肮脏的解决方案，但是

稍后会发布解释；甚至可以改进它以提高可读性

>>> import re

>>> text = 'Must-have skills: -.Net programming experience; -2 years experience in C++; C#/.Net, C++/.Net, C./.Net.'

>>> re.sub('(?:(?<!\S)|(?<=\s)|(?<=\+)|(?<=\.)|(?<=C)|(?<=#))[\-!,.:;—/]|[\-!,.:;—/](?=\s|$)', ' ', text)


#Output
'Must-have skills   .Net programming experience   2 years experience in C++  C# .Net  C++ .Net  C  .Net '

.

编辑：解释

• 因此，使用(?: 打开时，我会说在这种情况下，我要捕获的查询应该在捕获集之前，该捕获集包含紧接在(?: 后面定义的任何内容。
• 这里的关键是不能将以(?<! 和(?<= 开头的前瞻设置为忽略一系列值，所以我必须先以(?: 开头，然后给出多个(?<! 和@ 987654329@ 表示捕获的内容应该或不应该在此字符之前，也不应在此其他字符之前，等等
• 因此，使用(?: 打开后，我现在可以设置捕获的内容应该或不应该以
开头的值
• 从(?<!\S) 开始，它确实是不需要的，但我将它包括在内，因为它会形成一个安全网。它基本上说范围 [\-!,.:;—/] 如果它前面有任何随机的非空白字符，则不应被捕获/执行
• |(?<=\s) 我是说 *OR [\-!,.:;—/] 如果前面有任何单个空白字符，则应该被捕获/执行
• 对于|(?<=\+)|(?<=\.)|(?<=C)，我是说如果[\-!,.:;—/] 前面有+、. 或C，则应该捕获/执行它， 所以[\-!,.:;—/] 中的\. OR just . [a period] 将如果它前面有C 就像在你的字符串中一样被捕获/采取行动（记住(?<=C)）；如果 + 前面有 ; 和 [\-!,.:;—/] 中的 ;（请记住 (?<=\+)），它将被捕获/执行。
• | 之前的最后一个) 关闭了(?:。
• | 你知道是 OR，因为我不能把这个声明放在一个整体上，所以我必须重新定义 [\-!,.:;—/] 然后向前看，如果是，捕获/行动 [\-!,.:;—/]后跟空格或字符串结尾。 使用前瞻，您可以定义常规的单个字符串类型“范围”，因此您实际上可以在其中使用OR statements，但使用前瞻时不能使用

Answer 2

它与您的输出不太一样，但我能够通过颠倒两个 re.subs 的顺序并添加一个负面的后视来做到这一点，只有空白的差异。

text = 'Must-have skills: -.Net programming experience; -2 years experience in C++; C#/.Net, C++/.Net, C./.Net.'
text = re.sub(r'(?i)(?:(?!\.net\b|\b-\b)(?<!C)(?<!C\+)[^\w\s])+(?=[^\w\s]*\b)', ' ', text)
text = re.sub('[!,.:;—](?= |$)', ' ', text)

输出：

print(text)
Must-have skills   .Net programming experience   2 years experience in C++  C# .Net  C++ .Net  C  .Net 

Answer 3

您可以通过在一个组中捕获您想要保留的内容并使用alternation 删除您不想要的内容来使用单个替换。

这样，您可以使用要保留或要删除的案例来扩展模式。在替换中，您使用捕获组。除了使用内联修饰符(?i)，您还可以在代码中使用re.IGNORECASE。

(c(?:\+{2}|#)|\.net\b)|[!,.:;/—]|-(?=[\d.])

这将匹配：

• (抓拍群
  • c(?:\+{2}|#)|\.net\b 匹配 c++ 或 c# 或 .net
• )关闭捕获组
• |或者
• [!,.:;/—]匹配字符类中列出的任何字符
• |或者
• -(?=[\d.]) 匹配连字符，断言右边是数字或点

Regex demo | Python demo

例如

import re
regex = r"(c(?:\+{2}|#)|\.net\b)|[!,.:;/—]|-(?=[\d.])"
text = 'Must-have skills: -.Net programming experience; -2 years experience in C++; C#/.Net, C++/.Net, C./.Net.'
text = re.sub(regex, r"\1 ", text, 0, re.IGNORECASE)

if text:
    print (text)

# Must-have skills   .Net  programming experience   2 years experience in C++   C#  .Net   C++  .Net   C  .Net