正则表达式中意外的单词边界行为

Question

import re
text = 'washington d.c. columbia'
templ_1 = 'washington d.c'
templ_2 = 'washington d.c.'
print(re.sub(r'\b%s\b'%templ_1, '', text))

我按预期得到了. columbia

print(re.sub(r'\b%s\b'%templ_2, '', text))

我得到washington d.c. columbia而不是. columbia如何解决？

Answer 1

\b描述了从单词到非单词字符的转换。后跟.的{​​{1}}不是这样的转换（也不是单词字符）。此外，您需要将字符串添加到正则表达式，或re.escape s匹配任何字符，而不是文字.。

可能的解决方法是：

.

使用前瞻断言，你的模式后跟一个空格或字符串的结尾，而不是单词边界（因为你的模式可能不会以单词字符结尾）。使用print(re.sub(r'\b%s(?=\s|$)'%re.escape(templ_2), '', text)) 代替\W也是合理的。

Answer 2

字边界是从单词到非单词，或从非单词到单词的过渡。

在您的情况下，您根据下一个文字固定了该过渡 到边界构造\b

在第一个正则表达式\bwashington d.c\b中 在c之后的意思是它期望一个非单词。

在第二个正则表达式\bwashington d.c.\b中 在这种情况下，.之后的含义是未定义的，直到找到
为止 由metachar点代表的字符 在这种情况下，它在目标中找到文字点.，然后是边界
期望下一个字符是一个单词。

因此，在第二种情况下，目标在点之后有一个空格，即为 不一个字。因此，没有匹配。