Question

我是一个初学者，为此花费了很多时间。我部分能够解决它。

问题：我想忽略所有具有the或The的单词。例如。 atheist, others, The, the将被排除。但是，hottie不应包含在内，因为the不会出现在整个单词中。

我正在使用Python的re引擎。

这是我的正则表达式：

\b               - Start at word boundary
(?!              - Negative lookahead to avoid starting with the or The
   [t|T]he       - the and The
)
\w+              - Other letters are fine
(?<!             - Negative look behind
    [t|T]he      - the or The shouldn't occur before \w+
)
\b               - Word boundary

给定输入的预期输出：

Input: Atheist Others Their Hello the The bathe hottie tahaie theater

Expected Output: Hello hottie tahaie

在regex101中可以看到，我可以排除除atheist之类的词以外的大多数词，即the or The出现在单词中的情况。我在SO上进行了搜索，发现了诸如How to exclude specific string using regex in Python?之类的一些线程，但是它们似乎与我要执行的操作没有直接关系。

任何帮助将不胜感激。

请注意，我只想使用正则表达式来解决此问题。我不是在寻找使用python的字符串操作的解决方案。

Answer 1

该方法比原始正则表达式更简单：

\b(?!\w*[t|T]he)\w+\b

我们匹配一个单词，但是请使用否定的“填充式”前瞻确保单词内没有the。您原来的方法只禁止在单词的前面或后面使用the，因为它不允许在单词边界之后/之前进行填充。

(?![tT]he)仅在当前位置匹配，而(?:\w*[tT]he)允许从当前位置扩展匹配，因为\w*可以用作填充符

使用正则表达式忽略包含子字符串的单词

1 个答案: