在开始/结束处匹配包含点 (.) 的字符串的单词边界 [重复]答案

【问题标题】：Word boundaries to match strings containing dots (.) at begin/end [duplicate]在开始/结束处匹配包含点 (.) 的字符串的单词边界 [重复]
【发布时间】：2021-05-06 15:23:40
【问题描述】：

我有一个正则表达式来匹配长文本中的单词，如下所示：

word = "word"
text = "word subword word"

def char_regex_ascii(word):
    return r"\b{}\b".format(re.escape(word))

r = re.compile(my_regex(word), flags= re.X | re.UNICODE)
for m in r.finditer(text):
    print(m)

输出：

word
word

\b的原因是我不想找到子字符串，而是完整的单词：比如我对匹配文本word中的单词word不感兴趣@987654325 @，但我只想要完整的单词作为结果，因此后面或预期是空格、逗号、点或任何类型的标点符号。

它适用于大多数情况，但如果我在 w.o.r.d. 之类的单词末尾插入一个点，则它不匹配，因为正则表达式的最后一个 \b 在点之后。

word = "w.o.r.d."
text = "w.o.r.d. subword word"

def char_regex_ascii(word):
    return r"\b{}\b".format(re.escape(word))

r = re.compile(my_regex(word), flags= re.X | re.UNICODE)
for m in r.finditer(text):
    print(m)

输出：

(nothing)

我看到使用\B 可以让它工作，但我应该在句子的开头和结尾做几次检查，尝试\b 和\B 的所有组合以找到很多单词。

word = "w.o.r.d."
text = "w.o.r.d. subword word"

def char_regex_ascii(word):
    return r"\b{}\B".format(re.escape(word))

r = re.compile(my_regex(word), flags= re.X | re.UNICODE)
for m in r.finditer(text):
    print(m)

输出：

w.o.r.d.

是否存在通用方法？

【问题讨论】：

标签： python regex word-boundary

【解决方案1】：

您可以使用正则表达式模式\w+(?:\.?\w+)*，以及re.findall：

text = "w.o.r.d. subword word"
matches = re.findall(r'\w+(?:\.?\w+)*', text)
print(matches)  # ['w.o.r.d', 'subword', 'word']

这里使用的模式将“单词”定义为：

\w+         one or more word characters
(?:
    \.?\w+  followed by optional dot and one or more
            word characters
)*          zero or more times

在此定义下，w.o.r.d. 等首字母缩略词将被捕获为匹配项。

【讨论】：