Question

我是一名学生，正在从事一个小型研究项目，在这个项目中，我需要抓取符合以下要求的网页：- 如果在文本的任何位置都发现单词X说“ abc”，则查找模式Y如果出现在出现X的两侧的25个字符的窗口中，则说“ pqr”。例如

pqrxyz有效。

xyz无效。

xyzpqr有效。

pqr123456789123456789123456789xyz无效。

我不知道这一点。任何帮助将不胜感激。

((?=pqr).{20,}abc) | (pqr{20,}(?!abc))

到目前为止，这是我的尝试。我不知道如何合并20个字符的窗口约束。

Answer 1

.是“任何单个字符”的正则表达式。

{n,m}是“至少前n个正则表达式的重复，且不超过m个重复”的正则表达式。

因此，正则表达式xyz.{0,25}pqr的意思是“ xyz，后跟最多25个字符，后跟pqr”。

因此，考虑到pqr在xyz之前或之后发生的可能性，我们得到以下这行python代码：

if re.search('pqr.{0,25}xyz', line) or re.search('xyz.{0,25}pqr', line):

Answer 2

类似的事情应该可以处理两种情况： pqr.{,25}?xyz|xyz.{,25}?pqr

我使用Debuggex进行测试，我认为这是显示正则表达式工作原理的简便方法。

John的答案提供了更多有关正则表达式中特定元素的详细信息。