努力创建正确的正则表达式

Question

我尝试为每个“单词”（小写或大写）进行匹配：（单词|WORD）前后不能有任何字符或数字：(?<![^a-zA-Z0-9]) (word|WORD) (?![^a-zA-Z0-9])如果“word”位于字符串的开头或结尾：^| (?<![^a-zA-Z0-9])(字|WORD)(?![^a-zA-Z0-9]) |$它根本不起作用，有什么建议吗？

Answer 1

您可能正在寻找

import re

text = "123 Lorem ipsum dolor sit amet, word WORD WoRd consetetur sadipscing elitr, sed diam 123"

pattern = re.compile(r'\bword\b', re.IGNORECASE)

for word in pattern.finditer(text):

    print(word.group(0))

这会产生

word

WORD

WoRd

\b是缩写形式

(?:(?=\w)(?<!\w)|(?<=\w)(?!\w))

其中读到

(?=\w)(?<!\w) # positive lookahead making sure there's a word character coming

              # negative lookbehind making sure theres' n word characte preceding

|             # or

(?<=\w)(?!\w) # the other way round

所以，是的

(?:(?=\w)(?<!\w)|(?<=\w)(?!\w))word(?:(?=\w)(?<!\w)|(?<=\w)(?!\w))

会产生与上面相同的匹配，但似乎有点不可读。

Answer 2

(?<![^a-zA-Z0-9]) 是双重否定。您是说，如果主表达式之前的字符不在 [a-zA-Z0-9] 中，则它不应该匹配，也就是说，只有当该字符在 [a-zA-Z0-9] 中时，它才能匹配。只需删除 ^: (?<![a-ZA-Z0-9])。

您使用的字符串边界 ^ 和 $ 在这里会令人困惑，但如果您使用负向后查找和负向前查找，则不需要它们。

因此，切换到(?<![a-zA-Z0-9])(word|WORD)(?![a-zA-Z0-9])。

也就是说，@user3783243 关于 \b 的评论是一个更好的选择。\b 是一个“单词边界”，它准确地代表了您要捕获的内容。