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：

• 这是一项以#
开头的作品
• 它可以包含除[ ,\.]
之外的所有字符
• 它可以在文本的任何地方

所以在本文中

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

此处的哈希值为This，four，only和hashtags。

我遇到的问题是可选检查行的开头。

• [ \.,]+不会这样做，因为它与可选的开头不匹配。
• [ \.,]?因为匹配太多而不会这样做。

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']

可选项如何匹配行的开头？

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，但仅限于不在单词的开头或结尾处。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，因此也需要LOCALE和UNICODE的设置。
• \W ：未指定LOCALE和UNICODE标志时，匹配任何非字母数字字符;这相当于集合[^a-zA-Z0-9_]。使用LOCALE，它将匹配集合[0-9_]中没有的任何字符，并且不会定义为当前区域设置的字母数字。如果设置了UNICODE，则除了[0-9_]以外的其他任何内容以及Unicode字符属性数据库中不是字母数字的字符。

Answer 2

在你的正则表达式之前，你可以告诉你不想要的东西。

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

负面观察可以做到这一点