Question

让我们说这是我们的文字：

text = 'After 1992 , the winter and summer Olympics will be held two years apart , with the revised schedule beginning with the winter games in 1994 and the summer games in 1996 . ) Now , Mr. Pilson -- a former college basketball player who says a good negotiator needs `` a level of focus and intellectual attention  similar to a good athlete-s is facing the consequences of his own aggressiveness . Next month , talks will begin on two coveted CBS contracts'
print re.search(r'(\w+ |\W+ ){0,4}1992( \W+| \w+){4}', text).group(0)

输出： 1992年以后，冬天和

但是这个给了我：

print re.search(r'(\w+ |\W+ ){0,4}1992( \W+| \w+){0,4}', text).group(0)

输出： 1992年以后，

对我来说这似乎很奇怪，因为为什么第二个正则表达式并不贪心？

这个比其他人有点奇怪：

print re.search(r'(\w+ |\W+ ){0,4}summer( \W+| \w+){0,4}', text).group(0)

输出，将举办冬季和夏季奥运会

问题

1-第一个和第二个之间有什么区别。对我来说，它应该提供相同的文本，因为唯一的区别是{0,4}，如果{4}给出长字符串，{0,4}应该给出相同的字符串，因为正则表达式是贪婪的。

2-问题可能与标点符号有关，因为第三个示例同样适用于{0,4}和{4} ..

我很困惑。

Answer 1

这里没有神秘感。

在您的第二个示例中，␣\W+匹配␣,␣（空白␣也是\W类的一部分），因此找不到{{1}的后续匹配项}对于剩余的␣\w+ - 但the␣winter␣...约束已得到满足，因此不需要进一步匹配。到目前为止一切都很好。

回到你的第一个例子，上面的匹配不满足{0,4}，所以引擎一直在寻找。在{4}匹配中，它回溯了最后一个空白␣\W+，因此␣仅匹配␣\W+，然后可以针对␣,对␣\w+进行3次后续匹配} - 和␣the␣winter␣...感到满意。

将正则表达式更改为{4}（这样可以保持原始表达式的精神，将空格视为分隔符，将其他所有内容，包括标点符号视为单词），或者更好的是([^ ]+ +){0,4}my_word( +[^ ]+){0,4}来隔离不管标点符号如何，两边最多4个实际单词。

<强>后来

你好vladr。您提供的正则表达式无法使用   本文（目标词是本文的一部分）：


纽约市消费者事务部负责收购Newmark＆amp;路易斯公司未能兑现其降价承诺。在纽约州最高法院开始的民事诉讼中，该机构声称消费电子和家电折扣零售连锁店通过声称“降低每件商品的每一个价格”作为广告的一部分进行欺骗性广告。从6月1日开始的活动。该机构表示，它监控纽马克＆amp;刘易斯在广告宣传前后的广告价格，发现至少50种不同商品的价格增加或保持不变。 5月下旬，Newmark＆amp;刘易斯宣布了一项计划，将价格降低5％至20％，并取消所谓的“与客户谈判个人交易的标准折扣零售业务”。“

啊哈。它与 De 部分部分中的部分相匹配。

如果您只想匹配整个单词，请使用(\w+\W+){0,4}my_word(\W+\w+){0,4}，这应该隔离分隔符和/或行结束之间的单词。
如果您想匹配部门中的部分，请使用(^|(\w+\W+){1,5})\W*my_word\W*((\W+\w+){1,5}|$)

正则表达式：标点符号和贪婪

1 个答案: