行首的可选匹配

Question

我正在尝试在 Python 中创建一个匹配 #hashtags 的正则表达式。我对主题标签的定义是：

• 这是一个以#开头的作品
• 可以包含除[ ,\.]以外的所有字符
• 可以在文本中的任何位置

所以在本文中

#This string cont#ains #four, and #only four #hashtags.

这里的哈希值是This、four、only 和hashtags。

我遇到的问题是对行首的可选检查。

• [ \.,]+ 不会这样做，因为它与可选的开头不匹配。
• [ \.,]? 不会这样做，因为它匹配的太多。

带 + 的示例

In []: re.findall('[ \.,]+#([^ \.,]+)', '#This string cont#ains #four, and #only four #hashtags.')
Out[]: ['four', 'only', 'hashtags']

示例 ?

In []: re.findall('[ \.,]?#([^ \.,]+)', '#This string cont#ains #four, and #only four #hashtags.')
Out[]: ['This', 'ains', 'four', 'only', 'hashtags']

可选如何匹配行首？

Answer 1

这似乎有效：

>>> re.findall(r'\B#([^,\W]+)', '#This string cont#ains #four, and #only four #hashtags.')
['This', 'four', 'only', 'hashtags']

• \B：匹配空字符串，但仅当它不在单词的开头或结尾时。这意味着r'py\B' 匹配'python'、'py3'、'py2'，但不匹配'py'、'py.' 或'py!'。 \B与\b正好相反，所以也受LOCALE和UNICODE的设置。
• \W：当LOCALE和UNICODE标志未指定时，匹配任何非字母数字字符；这相当于集合[^a-zA-Z0-9_]。使用 LOCALE，它将匹配不在集合 [0-9_] 中的任何字符，并且未定义为当前语言环境的字母数字。如果设置了UNICODE，则这将匹配除[0-9_] 外的任何字符以及Unicode 字符属性数据库中分类为非字母数字的字符。

Answer 2

在你的正则表达式之前，你可以告诉你不想要什么。

(?<!\w)(#[^ \.,]+)

通过消极的向后看，你可以做到这一点