Question

我正在用python学习正则表达式，但似乎无法掌握它。我正在尝试过滤掉包含英语中所有元音的所有单词，这是我的正则表达式：

df.to_csv(r"C:\Users\Eddie\Downloads\pandas\Deformation_new.txt", sep="\t", index=False)

似乎太模糊了，因为任何元音（甚至是重复的元音）都可以出现在任何地方，并且有任意数量的次数，因此这会抛出诸如“ actionable”，“不幸”之类的单词，这些单词的元音数确实为5，但不是所有元音。我环顾了互联网，发现了这个正则表达式：

r'\b(\S*[aeiou]){5}\b'

但是看起来，它仅用于元音的顺序出现，这比我要完成的任务要有限得多。有人可以在为我遇到的问题制作正则表达式时“大声思考”吗？

Answer 1

如果您打算将单词匹配为仅由英文字母组成的文本块，则可以使用正则表达式，例如

\b(?=\w*?a)(?=\w*?e)(?=\w*?i)(?=\w*?o)(?=\w*?u)[a-zA-Z]+\b

请参见regex demo

要支持英语以外的其他语言，可以将[a-zA-Z]+替换为[^\W\d_]+。

如果您要匹配的“单词”是您可以使用的大量非空格字符，则

(?<!\S)(?=\S*?a)(?=\S*?e)(?=\S*?i)(?=\S*?o)(?=\S*?u)\S+

请参见this regex demo。

使用原始字符串文字在Python中定义这些模式，例如：

rx_AllVowelWords = r'\b(?=\w*?a)(?=\w*?e)(?=\w*?i)(?=\w*?o)(?=\w*?u)[a-zA-Z]+\b'

详细信息

\b(?=\w*?a)(?=\w*?e)(?=\w*?i)(?=\w*?o)(?=\w*?u)[a-zA-Z]+\b：
- \b-单词边界，这里是起始单词边界
- (?=\w*?a)(?=\w*?e)(?=\w*?i)(?=\w*?o)(?=\w*?u)-一系列正向超前行为，它们在检测到单词边界位置后立即触发，并且要求存在a，e，i，{在任何0个以上的字符后，{1}}和o（字母，数字，下划线-您可以将u替换为\w*?以仅检查字母）
- [^\W\d_]*?-1个或多个ASCII字母（用[a-zA-Z]+替换以匹配所有字母）
- [^\W\d_]+-单词边界，此处为尾随单词边界

第二种模式的详细信息：

\b：
- (?<!\S)(?=\S*?a)(?=\S*?e)(?=\S*?i)(?=\S*?o)(?=\S*?u)\S+-字符串开头或空格之后的位置
- (?<!\S)-所有英语元音必须以任意顺序出现-除空格以外的任何0+字符之后
- (?=\S*?a)(?=\S*?e)(?=\S*?i)(?=\S*?o)(?=\S*?u)-1个以上非空格字符。

Answer 2

我想不出一种简单的方法来使用单个正则表达式查找“带有所有元音的单词”，但可以通过将正则表达式分别与 a、e、i、o 和 u 结合在一起来轻松完成。例如，像下面这样的 Python 脚本应该确定给定的英语单词是否包含所有元音（以任何顺序，任何多重性）：

#! /usr/bin/python3
# all-vowels.py
import sys
import re
if len(sys.argv) != 2: sys.exit()
word=sys.argv[1]
if re.search(r'a', word) and re.search(r'e', word) and re.search(r'i', word) and re.search(r'o', word) and re.search(r'u', word):
   print("Word has all vowels!")
else:
   print("Word does NOT have all vowels.")

与包含所有元音的单词匹配的正则表达式是什么？

2 个答案: