Question

在过去的几天里，我一直在学习Regex（在python中实现它），并且没有想出如何解决这个问题。

我有这种格式的文字：

FOO1 = BAR2 AND Var1
Gene3 = Gene4 >= 3
Kinase = MATH OR NOT Science
BOOP = 3

我想识别每个变量名称（例如FOO1，BAR2，BOOP）并忽略任何逻辑运算符（例如AND，OR，NOT）

以下是我尝试解决方案：(?!AND)(?!OR)(?!NOT)([a-zA-Z0-9]+)

我很难告诉后台人员识别AND，OR，而不是单词而不是单个字符。

任何帮助将不胜感激。提前谢谢！

Answer 1

首先，感谢您展示您的尝试。其次，让我们尝试以几种方式改进你的正则表达式：

您已经有了一些很好的前瞻，可以简化为：(?!AND|OR|NOT)([a-zA-Z0-9]+)
我们并不真正需要一个捕获小组(?!AND|OR|NOT)[a-zA-Z0-9]+
我们添加一个wordboundary以阻止部分匹配(?!AND|OR|NOT)\b[a-zA-Z0-9]+

让我们举个例子foo AND bar作为输入：

foo AND bar
^ Checks if there is no "AND", "OR" or "NOT" literally
since there isn't, it will match foo with [a-zA-Z0-9]+

foo AND bar
   ^ no match

foo AND bar
    ^ Here it will fail because of the negative lookahead

foo AND bar
     ^ It will succeed because there is no "AND", "OR" or "NOT" literally

因此解决方案是添加wordboundary \b，这与(?<!\w)相同。这意味着如果后面有一个单词字符，正则表达式将会失败。

foo AND bar
     ^ fail, because there is a word character behind

foo AND bar
        ^^^ match

Online demo

Answer 2

您需要使用单词边界（\b）。这对于查找单词的开头或结尾非常有用。它通过在^上进行零长度断言（因此它实际上不匹配任何东西，类似于锚点$和(^\w|\w\W|\W\w|\w$)）来工作。换句话说，确保在非单词字符或字符串的开头/结尾旁边有一个单词（\w === [a-zA-Z0-9_]）。您也可以组合表达式（并且捕获组很可能是不必要的）：

\b(?!AND|OR|NOT)[a-zA-Z0-9]+

Demo

请注意，在表达式的末尾不需要单词边界，因为正则表达式是贪婪的并且会尽可能多地抓取[a-zA-Z0-9]+。

如果您的变量中可以包含下划线（_），则使用\w速记字符类（上面提到的与[a-zA-Z0-9_]相同）可能更清晰。最后的表达是：

\b(?!AND|OR|NOT)\w+

旁注：(?!...)是一个负面的提前而不是在之后（他们确保引擎前面的字符是内部指针不匹配...）。

匹配除特定单词之外的所有字符

2 个答案: