匹配字符串中的任何单词，除了在python中以大括号开头的单词

Question

我有一个像

这样的字符串

line = u'I need to match the whole line except for {thisword for example'

我这样做有困难。我尝试了什么，它不起作用：

# in general case there will be Unicode characters in the pattern
matchobj = re.search(ur'[^\{].+', line) 

matchobj = re.search(ur'(?!\{).+', line)

你能帮我弄清楚什么是错的，怎么做对了？

P.S。我认为我不需要用空字符串

替换"{thisword"

Answer 1

我不清楚你需要什么。从你的问题标题它看起来你想找到“字符串中的所有单词，例如'行'，这些不是以{”开头，但你使用的是re.search（）函数让我困惑。

re.search()和re.findall()

函数re.search()返回 a 对应的MatchObject实例，re.serach通常用于匹配并返回长字符串中的模式。 它不会返回所有可能的匹配。见下面一个简单的例子：

>>> re.search('a', 'aaa').group(0) # only first match
'a'
>>> re.search('a', 'aaa').group(1) # there is no second matched
Traceback (most recent call last):
  File "<console>", line 1, in <module>
IndexError: no such group

使用正则表达式'a'搜索在字符串'a'中仅返回一个模式'aaa'，它不会返回所有可能的匹配项。

如果你的目标是找到 - “字符串中的所有单词都不以{开头”。你应该使用re.findall()函数： - 匹配模式的所有出现，而不是像re.search（）那样匹配第一个模式。见例：

>>> re.findall('a', 'aaa')
['a', 'a', 'a']

编辑：根据评论添加一个示例来演示re.search和re.findall的使用：

>>> re.search('a+', 'not itnot baaal laaaaaaall ').group()
'aaa'                 # returns ^^^   ^^^^^ doesn't 
>>> re.findall('a+', 'not itnot baaal laaaaaaall ')
['aaa', 'aaaaaaa']    #          ^^^   ^^^^^^^ match both                 

这是Python re模块的一个很好的教程：re – Regular Expressions

此外，Python-regex中有group的概念 - “括号内的匹配模式”。如果正则表达式模式中存在多个组，则re.findall（）返回组列表;如果模式有多个组，这将是一个元组列表。见下文：

>>> re.findall('(a(b))', 'abab') # 2 groups according to 2 pair of ( )
[('ab', 'b'), ('ab', 'b')] # list of tuples of groups captured

在Python中，正则表达式(a(b))包含两个组;作为两对括号（这与正式语言中的正则表达式不同 - 正则表达式与常规语句不完全相同 用正式语言表达，但这是另一回事）。

---

回答：句子line中的单词用空格分隔（其他在字符串的开头）正则表达式应该是：

ur"(^|\s)(\w+)

正则表达式描述：

1. (^|\s+)表示：在开始时或在某些空格后开始。
2. \w*：匹配字母数字字符，包括“_”。

将正则表达式r应用于您的行：

>>> import pprint    # for pretty-print, you can ignore thesis two lines
>>> pp = pprint.PrettyPrinter(indent=4)

>>> r = ur"(^|\s)(\w+)"
>>> L = re.findall(r, line)
>>> pp.pprint(L)
[   (u'', u'I'),
    (u' ', u'need'),
    (u' ', u'to'),
    (u' ', u'match'),
    (u' ', u'the'),
    (u' ', u'whole'),
    (u' ', u'line'),
    (u' ', u'except'),
    (u' ', u'for'),   # notice 'for' after 'for'
    (u' ', u'for'),   # '{thisword' is not included
    (u' ', u'example')]
>>> 

要查找单行中的所有单词，请使用：

>>> [t[1] for t in re.findall(r, line)]

注意：它会避免{或来自行的任何其他特殊字符，因为\ w只传递字母数字和'_'字符。

---

如果你明确地避免{如果它出现在一个单词的开头（在中间是允许的话），那么使用正则表达式：r = ur"(^|\s+)(?P<word>[^{]\S*)"。

要理解这个正则表达式与其他正则表达式之间的差异，请检查此示例：

>>> r = ur"(^|\s+)(?P<word>[^{]\S*)"
>>> [t[1] for t in re.findall(r, "I am {not yes{ what")]
['I', 'am', 'yes{', 'what']

---

没有正则表达式：

你可以在没有任何正则表达式的情况下完成同样的事情，如下所示：

>>> [w for w in line.split() if w[0] != '{']

---

re.sub（）替换模式

如果您只想用{替换一个（或多个）单词，则应使用re.sub()替换模式以{替换emplty string ""检查以下代码：

>>> r = ur"{\w+"
>>> re.findall(r, line)
[u'{thisword']
>>> re.sub(r, "", line)
u'I need to match the whole line except for  for example'

---

修改添加评论的回复：

(?P<name>...)是Python的Regex扩展:(它在Python中有意义） - (?P<name>...)类似于常规括号 - 创建一个组（一个命名组）。可以通过符号组名称访问该组。组名必须是有效的Python标识符，并且每个组名只能在正则表达式中定义一次。 example-1：

>>> r = "(?P<capture_all_A>A+)"
>>> mo = re.search(r, "aaaAAAAAAbbbaaaaa")
>>> mo.group('capture_all_A')
'AAAAAA'

example-2：假设您想从名称行中过滤名称，例如使用正则表达式name_re = "(?P<title>(mr|ms)\.?)? ?(?P<name>[a-z ]*)"

我们可以使用group('name')读取输入字符串中的名称：

>>> re.search(name_re, "mr grijesh chauhan").group('name')
'grijesh chauhan'
>>> re.search(name_re, "grijesh chauhan").group('name')
'grijesh chauhan'
>>> re.search(name_re, "ms. xyz").group('name')
'xyz'

Answer 2

您可以这样做：

启用了(?<!{)(\b\w+\b)标记的

g（所有匹配项）

演示：http://regex101.com/r/zA0sL6

Answer 3

尝试这种模式：

(.*)(?:\{\w+)\s(.*)

<强>代码：

import re
p = re.compile(r'(.*)(?:\{\w+)\s(.*)')
str = "I need to match the whole line except for {thisword for example"

p.match(str)

示例：

http://regex101.com/r/wR8eP6