Python正则表达式匹配完整或部分单词

Question

有没有办法让正则表达式尽可能多地匹配特定单词？例如，如果我正在查找以下单词:昨天、今天、明天

我想要提取以下完整单词:

是的

昨天

托德

户田

今天

汤姆 明天

明天

以下整个单词应该无法匹配(基本上是拼写错误):

昨天

明天

明天

今天

到目前为止我能想到的最好的是:

\b((tod(a(y)?)?)|(tom(o(r(r(o(w)?)?)?)?)?)|(yest(e( r(d(a(y)?)?)?)?)?))\b (Example)

注意:我可以使用有限状态机来实现这一点，但我认为让 regexp 来执行此操作会很愚蠢。不幸的是，我想出的任何东西都极其复杂，我希望我错过了一些东西。

Answer 1

您要查找的正则表达式应包含带有交替的可选组。

\b(yest(?:e(?:r(?:d(?:ay?)?)?)?)?|tod(?:ay?)?|tom(?:o(?:r(?:r(?:ow?)?)?)?)?)\b

参见demo

请注意，\b 单词边界非常重要，因为您只想匹配整个单词。

正则表达式解释:

• \b - 前导字边界
• (yest(?:e(?:r(?:d(?:ay?)?)?)?)?|tod(?:ay?)?|tom(?:o(?) :r(?:r(?:o(?:w)?)?)?)?)?) - 捕获组匹配
  • yest(?:e(?:r(?:d(?:ay?)?)?)?)? - yest, yeste 、昨天、昨天、昨天或昨天
  • tod(?:ay?)? - tod 或 toda 或 今天
  • tom(?:o(?:r(?:r(?:o(?:w)?)?)?)?)? - tom 、tomo、tomor、tomorr、tomorro 或 明天
• \b - 尾随单词边界

See Python demo :

import re
p = re.compile(ur'\b(yest(?:e(?:r(?:d(?:ay?)?)?)?)?|tod(?:ay?)?|tom(?:o(?:r(?:r(?:ow?)?)?)?)?)\b', re.IGNORECASE)
test_str = u"yest\nyeste\nyester\nyesterd\nyesterda\nyesterday\ntod\ntoda\ntoday\ntom\ntomo\ntomor\ntomorr\ntomorro\ntomorrow\n\nyesteray\ntomorow\ntommorrow\ntody\nyesteday"
print(p.findall(test_str))
# => [u'yest', u'yeste', u'yester', u'yesterd', u'yesterda', u'yesterday', u'tod', u'toda', u'today', u'tom', u'tomo', u'tomor', u'tomorr', u'tomorro', u'tomorrow']