Question

我需要用HTML标签包装一些MathJax字符串。我想知道如何从搜索字符串中排除\)以不匹配完整的sting。使用单个字符很容易，例如[^)]，但是当我需要对例如{1}进行相同操作时该怎么做两个字符一个接一个\)？

search_str = "\(\ce{\sigma_{s}^{b}(H2O)}\) bla bla \(\ce{\sigma_{s}^{b}(H2O)}\)"
out = re.sub(r'(\\\([^\\\)]+\\\))', '<span>\1</span>', search_str)

Answer 1

我认为[^\\][^)]可以做到这一点，或者。几乎如此。只要第一个不是斜线，那将匹配任何两个字符，第二个不是结束paren。你也可以尝试一些分组，如果这不是你想要的那样。

Answer 2

感谢塞巴斯蒂安的推荐，我使用了Tempered Greedy Token：

(\\\((?:(?!\\\)).)*\\\)

简直太棒了： - ）

Answer 3

在这种情况下，tempered greedy token不是最佳做法。有关使用TGT的不的信息，请参阅rexegg.com说明：

对于手头的任务，这种技术没有优于懒惰的点星.*?{END}。虽然它们的逻辑不同，但在每一步中，在匹配一个角色之前，两种技术都会强制引擎查看后面的内容是{END}。

这两个版本的比较性能取决于您的引擎的内部优化。 pcretest实用程序表明PCRE对懒惰点星版本的步骤要少得多。在我的笔记本电脑上，当对字符串{START} Mary {END}运行两个表达式一百万次时，pcretest对于懒惰版本每10,000次运行需要400毫秒，对于缓和版本需要800毫秒。

因此，如果调整点的字符串是我们打算最终匹配的分隔符（在我们的例子中与{END}一样），这种技术不会给懒惰的点星增加任何内容，这对于这个工作。

您的字符串似乎格式正确且相当短，只使用懒字点匹配模式，即\\\(.*?\\\)正则表达式。

此外，您需要在替换模式定义中使用r前缀（原始字符串文字），或者\1将被解析为十六进制字符\x01，标题的开头）。

import re
search_str = r"\(\ce{\sigma_{s}^{b}(H2O)}\) bla bla \(\ce{\sigma_{s}^{b}(H2O)}\)"
print(search_str)
out = re.sub(r'(\\\(.*?\\\))', r'<span>\1</span>', search_str)
print(out)

请参阅Python demo

python regexp不匹配序列

3 个答案: