Question

请你帮我定义一个正则表达式：

匹配单词r'(\d+_\d\d\d(?:_back)?)'
＆＃34;字＆＃34;意味着除了正确的标点符号或字符串/行的开头/结尾之外，不应该先于或后跟任何内容
使用多行字符串，字符串中的任何位置以及仅包含此模式的字符串
与%96_175"和44_5555不匹配（因为％和第4＆＃34; 5＆＃34;都不是标点字符）。

实施例：通过（12_345,012_345或012_345_back是找到的组）：

['12_345',
 'bla-bla 012_345',
 'bla-bla 12_345 bla-bla',
 '34\n012_345',
 '012_345\n34',
 'text—012_345—text',
 'text--12_345, text',
 'text. 012_345_back.']

失败（此处不匹配）：

[
 'text12_345',
 '12_345text',
 '12_3456',
 '%12_345',
 '!12_345',
 '.12-345',
 '12_345_front'
]

我想要区分的是用户在我的网站的评论中插入的格式\ d + _ \ d \ d \ d（？：_ back）的正确标识符，来自同一个字符串另一个字符串的一部分简单的正则表达式工作，直到有人插入维基百科文章的链接，以＃34;№_175＆＃39;结尾，其URL编码为%E2%84%96_175，＆＃34; 96_175＆＃34;匹配我的模式。

我一直试图匹配＆＃34;正确的标点符号＆＃34;或字符串中的字符串或行的开头或结尾。到那时，正则表达式已经非常复杂了（我列出了我能想到的所有合理的unicode标点字符），我认为我做错了。我也很难排除额外的数字，但包括可能的行尾或字符串。

Answer 1

根据你需要如何处理（或不处理）非字母非正确标点符号，你可以依靠Python重新检测字符\ b（如答案之一所示）或列举＆＃39 ;适当＆＃39;打开和关闭非匹配组中的标点符号。

使用旧的正则表达式（Python 2.5），您可以使用标点符号通配符\ p

(?:\p*|^|\s)(\d+_\d\d\d)(_back)?(?:\n|\p|$|\s)

使用现代版（Python 2.6及更高版本）只需将string.punctuation替换为\ p https://stackoverflow.com/a/37708340/5874981

对于初学者，假设足够“适当”＆＃39;只是句号，逗号和连字符尝试

(?:^|\s|\.|,|-)(\d+_\d\d\d)(_back)?(?:$|\s|\.|,|-)

正则表达式匹配\ d \ d_ \ d \ d \ d

1 个答案: