Python Regex不匹配。 （点）作为一个角色

Question

我有一个匹配字符串中所有三个字符的正则表达式：

\b[^\s]{3}\b

当我将它与字符串一起使用时：

And the tiger attacked you.

这是结果：

regex = re.compile("\b[^\s]{3}\b")
regex.findall(string)
[u'And', u'the', u'you']

正如你所看到的那样，它与三个字符的单词相匹配，但我希望表达式采用“你”。用“。”作为4个字符。

我对“，”，“;”，“：”等有同样的问题。

我对正则表达式很新，但我想这是因为这些字符被视为字边界。

有没有办法做到这一点？

提前致谢，

修改

想知道@BrenBarn和@Kendall Frey的答案我设法得到了我正在寻找的正则表达式：

(?<!\w)[^\s]{3}(?=$|\s)

Answer 1

如果你想确保单词前面跟着一个空格（而不是像你的情况那样的句号），那么使用lookaround。

(?<=\s)\w{3}(?=\s)

如果您需要将标点符号作为单词的一部分（例如“in。”）进行匹配，那么\w就不够了，您可以使用\S（除了空格之外的其他任何内容）< / p>

(?<=\s)\S{3}(?=\s)

Answer 2

如the documentation中所述：

  

单词被定义为字母数字或下划线字符的序列，因此单词的结尾由空格或非字母数字的非下划线字符表示。

因此，如果您希望将句点计为单词字符而不是单词边界，则不能使用\b来指示单词边界。你必须使用自己的角色类。例如，如果要匹配由空格包围的3个非空格字符，则可以使用\s[^\s]{3}\s等正则表达式。如果您仍然希望边界为零宽度（即限制匹配但不包含在其中），则可以使用环绕声，例如(?<=\s)[^\s]{3}(?=\s)。

Answer 3

这将是我的方法。也匹配标点符号后面的单词。

import re

r = r'''
        \b                   # word boundary
        (                    # capturing parentheses
            [^\s]{3}         # anything but whitespace 3 times
            \b               # word boundary
            (?=[^\.,;:]|$)   # dont allow . or , or ; or : after word boundary but allow end of string
        |                    # OR
            [^\s]{2}         # anything but whitespace 2 times
            [\.,;:]          # a . or , or ; or :
        )
    '''
s = 'And the tiger attacked you. on,bla tw; th: fo.tes'

print re.findall(r, s, re.X)

输出：

['And', 'the', 'on,', 'bla', 'tw;', 'th:', 'fo.', 'tes']