Question

我们知道\ba\b|\bthe\b会匹配任何字词＆＃34; a ＆＃34;或＆＃34; ＆＃34;
我想构建一个正则表达式来匹配像

这样的模式

的原因/原因之一

这意味着我想匹配一个字符串s包含3个字：

s的第一个字应该是＆＃34; a ＆＃34;，＆＃34; ＆＃34;或＆＃34; 一个＆＃34;
第二个词应该是＆＃34; 原因＆＃34;或＆＃34; 原因＆＃34;
s的第三个字应为＆＃34; ＆＃34;或＆＃34; ＆＃34;

正则表达式\ba\b|\bthe\b|\bone\b \breason\b|reasons\b \bfor\b|\bof\b没有帮助。

我该怎么做？顺便说一句，我使用python。感谢。

Answer 1

您需要使用捕获组来拒绝混合OR（|）

(\ba\b|\bthe\b|\bone\b) (\breason\b|reasons\b) (\bfor\b|\bof\b)

然后，作为一种更优雅的方式，您可以将单词边界放在组周围。另请注意，当您在正则表达式中使用空格时，不需要使用单词边界。而reasons和reason您可以使用s制作最后?个可选项。请注意，如果您不希望将单词作为单独的组进行匹配，则可以通过:?将您的论坛设置为无捕获组。

\b(?:a|the|one) reasons? (?:for|of)\b

如果您想要组中的单词，请使用捕获组：

\b(a|the|one) (reasons?) (for|of)\b

Answer 2

正则表达式修饰符A|B表示“如果A或B匹配，则整个事物匹配”。因此，在您的情况下，生成的正则表达式匹配if / where 以下5个正则表达式中的任何匹配：

\ba\b
\bthe\b
\bone\b \breason\b
reasons\b \bfor\b
\bof\b

要限制|适用的范围，请使用非捕获分组，即(?:something|something else)。另外，如果s末尾有一个可选reason，则无需使用更改;这完全等于reasons?。

因此我们得到正则表达式\b(?:a|the|one) reasons? (?:for|of)\b。

请注意，您不需要在正则表达式中使用单词边界运算符\b，仅在开头和结尾使用（否则它将匹配everyone reasons forever之类的内容）。

Answer 3

regex module的一个有趣特性是命名列表。有了它，您不必在非捕获组中包含由|分隔的多个替代项。您只需要在之前定义列表，并在模式中按名称引用它。例如：

import regex

words = [ ['a', 'the', 'one'], ['reason', 'reasons'], ['for', 'of'] ]

pattern = r'\m \L<word1> \s+ \L<word2> \s+ \L<word3> \M'
p = regex.compile(pattern, regex.X, word1=words[0], word2=words[1], word3=words[2])

s = 'the reasons for'

print(p.search(s))

即使此功能不是必需的，它也会提高可读性。

如果您之前使用|加入项目，则可以使用re模块实现类似的功能：

import re

words = [ ['a', 'the', 'one'], ['reason', 'reasons'], ['for', 'of'] ]

words = ['|'.join(x) for x in words]

pattern = r'\b ({}) \s+ ({}) \s+ ({}) \b'.format(*words)

p = re.compile(pattern, re.X)

Answer 4

使用括号进行分组：

'\b(a|the|one) reason(|s) (for|of)\b'

我离开了句子内部\b，因为空格暗示了它们：字母后面的空格始终是单词边界。一般来说，你应该将\b置于替代方案之外;它更短，更易读。

如果重要，您可以在所有现代正则表达式引擎中使用“非捕获组”：使用(?:stuff)代替(stuff)。但是如果它对你的用途无关紧要，或者如果你需要知道实际存在哪个替代词，那么请使用简单的parens。

Answer 5

据我所知，你想要一些像这样的正则表达式：

(?:a|the|one)\s+(?:reason|reasons)\s+(?:for|of)

这很简单，只需使用groups组合它们。

请参阅：DEMO

注意您的上述要求，对我来说声音不是那么严格，如果您想自己修改某些内容，请考虑以下说明

<强>解释

(?:abc|ijk|xyz)

按非捕获组abc分组的任何单词ijk，xyz或(?:...)表示此单词不会捕获到正则表达式变量$1，{ {1}}，$2，$3。

...

这是单词分隔符，在这里我将其设置为任何空格，\s+代表1或更多。

Answer 6

您可以使用：

r"\b(a|the)\b"

Python正则表达式：单词集的替换

6 个答案: