python - 匹配字符串中除 python 中大括号前面的任何单词

Question

我有一个像这样的字符串

line = u'I need to match the whole line except for {thisword for example'

我很难做到这一点。我已经尝试过但不起作用:

# in general case there will be Unicode characters in the pattern
matchobj = re.search(ur'[^\{].+', line) 

matchobj = re.search(ur'(?!\{).+', line)

您能帮我找出问题所在以及如何正确处理吗？

附注我认为我不需要用空字符串替换 "{thisword"

Answer 1

我不太清楚你需要什么。从你的问题标题来看，你似乎想找到“字符串中的所有单词，例如‘line’，这些单词不以 { 开头”，但你正在使用 re.search() 函数，这让我感到困惑。

re.search()和re.findall()

函数 re.search() 返回 a 对应的 MatchObject 实例，re.serach 通常用于匹配并返回长字符串中的模式。 它不会返回所有可能的匹配项。请参阅下面的一个简单示例:

>>> re.search('a', 'aaa').group(0) # only first match
'a'
>>> re.search('a', 'aaa').group(1) # there is no second matched
Traceback (most recent call last):
  File "<console>", line 1, in <module>
IndexError: no such group

使用正则表达式'a'搜索仅返回一个模式 'a'字符串 'aaa' ，它不会返回所有可能的匹配项。

如果您的目标是查找 - “字符串中所有不以 { 开头的单词”。您应该使用 re.findall() 函数:- 匹配模式的所有出现，而不是像 re.search() 那样只匹配第一个模式。请参阅示例:

>>> re.findall('a', 'aaa')
['a', 'a', 'a']

编辑:在评论的基础上添加一个示例来演示 re.search 和 re.findall 的使用:

>>> re.search('a+', 'not itnot baaal laaaaaaall ').group()
'aaa'                 # returns ^^^   ^^^^^ doesn't 
>>> re.findall('a+', 'not itnot baaal laaaaaaall ')
['aaa', 'aaaaaaa']    #          ^^^   ^^^^^^^ match both                 

这里有一个很好的 Python re 模块教程:re – Regular Expressions

此外，Python-regex 中还有组的概念——“括号内的匹配模式”。如果您的正则表达式模式中存在多个组，则 re.findall() 返回一组组列表；如果模式有多个组，这将是一个元组列表。见下文:

>>> re.findall('(a(b))', 'abab') # 2 groups according to 2 pair of ( )
[('ab', 'b'), ('ab', 'b')] # list of tuples of groups captured

在 Python 正则表达式中 (a(b))包含两组；作为两对括号(这与正式语言中的正则表达式不同 - 正则表达式与正则表达式并不完全相同 用正式语言表达，但那是另一回事)。

<小时/>

答案:句子中的单词line用空格分隔(其他在字符串开头)正则表达式应该是:

ur"(^|\s)(\w+)

正则表达式描述:

1. (^|\s+)意思是:要么在开头的单词，要么在一些空格之后开始。
2. \w* :匹配字母数字字符，包括“_”。

关于应用正则表达式 r到您的线路:

>>> import pprint    # for pretty-print, you can ignore thesis two lines
>>> pp = pprint.PrettyPrinter(indent=4)

>>> r = ur"(^|\s)(\w+)"
>>> L = re.findall(r, line)
>>> pp.pprint(L)
[   (u'', u'I'),
    (u' ', u'need'),
    (u' ', u'to'),
    (u' ', u'match'),
    (u' ', u'the'),
    (u' ', u'whole'),
    (u' ', u'line'),
    (u' ', u'except'),
    (u' ', u'for'),   # notice 'for' after 'for'
    (u' ', u'for'),   # '{thisword' is not included
    (u' ', u'example')]
>>> 

要查找一行中的所有单词，请使用:

>>> [t[1] for t in re.findall(r, line)]

注意:它将避免使用 { 或行中的任何其他特殊字符，因为\w 只传递字母数字和 '_' 字符。

<小时/>

如果您专门只避免 {如果它出现在单词的开头(允许在中间)，则使用正则表达式:r = ur"(^|\s+)(?P<word>[^{]\S*)" 。

要了解此正则表达式与其他正则表达式之间的差异，请检查此示例:

>>> r = ur"(^|\s+)(?P<word>[^{]\S*)"
>>> [t[1] for t in re.findall(r, "I am {not yes{ what")]
['I', 'am', 'yes{', 'what']

<小时/>

没有正则表达式:

无需任何正则表达式即可实现相同的效果，如下所示:

>>> [w for w in line.split() if w[0] != '{']

<小时/>

re.sub() 替换模式

如果您只想替换一个(或多个)以 { 开头的单词你应该使用 re.sub() 替换以 { 开头的模式通过空字符串""检查以下代码:

>>> r = ur"{\w+"
>>> re.findall(r, line)
[u'{thisword']
>>> re.sub(r, "", line)
u'I need to match the whole line except for  for example'

<小时/>

编辑添加评论回复:

(?P<name>...)是Python的正则表达式扩展:(它在Python中有意义)- (?P<name>...)与常规括号类似 - 创建一个组(命名组)。可通过符号组名称访问该组。组名称必须是有效的 Python 标识符，并且每个组名称只能在正则表达式中定义一次。示例 1:

>>> r = "(?P<capture_all_A>A+)"
>>> mo = re.search(r, "aaaAAAAAAbbbaaaaa")
>>> mo.group('capture_all_A')
'AAAAAA'

示例2:假设您想从可能包含标题的名称行中过滤名称，例如 mr 使用正则表达式:name_re = "(?P<title>(mr|ms)\.?)? ?(?P<name>[a-z ]*)"

我们可以使用 group('name') 读取输入字符串中的名称:

>>> re.search(name_re, "mr grijesh chauhan").group('name')
'grijesh chauhan'
>>> re.search(name_re, "grijesh chauhan").group('name')
'grijesh chauhan'
>>> re.search(name_re, "ms. xyz").group('name')
'xyz'