Question

我有以下示例代码，其中我尝试用下划线（单引号或双引号）匹配所有以开始和结束的单词实例。

import re
test = ['abc text_ abc',
'abc _text abc',
'abc text_textUnderscored abc',
'abc :_text abc', 
'abc _text_ abc', 
'abc __text__ abc',
'abc _text_: abc',
'abc (-_-) abc']
test_str = ' '.join(test)
print(re.compile('(_\\w+\\b)').split(test_str))

我已经尝试过以下正则表达式，它似乎太强大了（应该仅匹配_text_和__text__）。

输出：['abc text_ abc abc ', '_text', ' abc abc text', '_textUnderscored', ' abc abc :', '_text', ' abc abc ', '_text_', ' abc abc ', '__text__', ' abc abc ', '_text_', ': abc abc (-_-) abc']

您能建议一种更好的方法吗（最好使用单个正则表达式模式和re.split方法的使用）？

Answer 1

如果您要匹配任何不以非单词字符（字母，数字和下划线以外的字符）开头和结尾的任意长度的字符字符（字母，数字和下划线），并且长度不限（甚至为1，{ {1}}），您可以使用

与r'\b_(?:\w*_)?\b'。参见regex demo。

如果您不想匹配单字符单词（即re.findall），则需要删除可选的非捕获组，并使用_。

如果您需要匹配至少3个字符，还可以将r'\b_\w*_\b'（零个或多个重复）替换为*（一个或多个出现）。

如果仅当单词在字符串的开头/结尾或后面有空格时才将它们视为整个单词，请将+替换为\b...\b：

(?<!\S)...(?!\S)

请参见another regex demo

详细信息

r'(?<!\S)_\w*_(?!\S)'-单词边界，必须在字符串的开头或非单词char之前
\b-下划线
_-一个可选的非捕获组，匹配出现1或0次
- (?:\w*_)?-0个以上的字符字符（字母，数字，\w*）（由于此可选组，甚至可以找到_个单词）
- _-下划线
_-单词边界，必须在字符串末尾或非单词char后面
\b-左侧空白边界
(?<!\S)-正确的空白边界

请参见Python demo：

(?!\S)

Answer 2

您甚至不需要使用正则表达式，最有效的方法是将字符串拆分为单词，然后检查它是否以下划线开头和结尾。

def get_underscored(text):
    for word in text.split():
        if word.startswith("_") and word.endswith("_"):
            yield word

test = ['abc text_ abc',
'abc _text abc,',
'abc text_textUnderscored abc',
'abc :_text abc',
'abc _text_ abc',
'abc __text__ abc']
test_str = ' '.join(test)
print(list(get_underscored(test_str)))

结果是['_text_', '__text__']。

允许这种方法在较大的输入上不像正则表达式那样可扩展，而在较小的输入上则可以快几个数量级。

正则表达式可使用Python 3匹配以下划线开头和结尾的单词

2 个答案: