Python Regex\pL 匹配问题

Question

我正在尝试匹配我拥有的关键字列表，注意包含所有拉丁字符(例如重音符号)。

这是一个例子

import regex as re
p = r'((?!\pL)|^)blah((?!\pL)|$)'
print(re.search(p, "blah u"))
print(re.search(p, "blahé u"))
print(re.search(p, "éblah u"))
print(re.search(p, "blahaha"))

给出:

<regex.Match object; span=(0, 4), match='blah'>
None
None
None

这看起来是正确的。但是:

print(re.search(p, "u blah"))

给出:

None

这是错误的，因为我期望匹配“u blah”。

我也尝试过使用 re 模块中内置的 Python，但我无法让它与 \pL 或 \p{Latin} 由于“错误转义”错误。我还尝试过使用 unicode 字符串(不带“r”)，但尽管向 \\\\pL 添加了斜杠，但我就是无法使其正常工作。

注意:我使用的是 Python 3.8

Answer 1

您的 ((?!\pL)|^)blah((?!\pL)|$) 正则表达式的问题在于 ((?!\pL)| ^) 组包含两个替代方案，其中第一个方案始终无法通过正则表达式(为什么？因为 (?!\pL) 是导致匹配失败的负向预测如果下一个字符是字母，并且下一个要匹配的字符是 blah 中的 b)，并且只有 ^ 始终有效，即您的正则表达式等于 ^blah((?!\pL)|$) 并且仅匹配字符串的开头。

注意 (?!\pL) 已经匹配字符串末尾的位置，因此 ((?!\pL)|$) = ( ?!\pL).

你应该使用

(?<!\pL)blah(?!\pL)

请参阅regex demo (出于演示目的切换到 PCRE)。

请注意，正则表达式的re兼容版本是

(?<![^\W\d_])blah(?![^\W\d_])

请参阅regex demo .