Question

有一个非常复杂的正则表达式。

但是我对此有疑问。如果#和++后面有字母，则会将其删除。

问题：如何为（C ++和C＃令牌）当前的正则表达式添加例外？

我使用了下一个正则表达式：

import re

text = 'Must-have skills: -.Net programming experience; -2 years experience in C++; C#/.Net, C++/.Net, C./.Net.'
text = re.sub(r'[!,.:;—](?= |$)', ' ', text)
print(re.sub(r'(?i)(?:(?!\.net\b|\b-\b)[^\w\s])+(?=[^\w\s]*\b)', ' ', text))

我得到了下一个结果：

'Must-have skills   .Net programming experience   2 years experience in C++  C .Net  C .Net  C .Net '

所需结果：

'Must-have skills   .Net programming experience   2 years experience in C++  C# .Net  C++ .Net  C .Net '

当前正则表达式详细信息

(?i)-启用不区分大小写的模式
(?:(?!\.net\b|\b-\b)[^\w\s])+-任何不出现任何序列的标点符号（[^\w\s]），如果出现1个或更多，则越多越好。
- \.net\b-.net整个词
- |-或
- \b-\b-用字符char括起来的连字符
(?=[^\w\s]*\b)-一个正向的超前查询，需要0+个标点符号，其后紧接当前位置的右侧是单词边界位置。

Answer 1

它与您的输出并不完全相同，但是我可以通过反转两个re.sub的顺序并在其后添加负数来实现空白而仅使用空白。

text = 'Must-have skills: -.Net programming experience; -2 years experience in C++; C#/.Net, C++/.Net, C./.Net.'
text = re.sub(r'(?i)(?:(?!\.net\b|\b-\b)(?<!C)(?<!C\+)[^\w\s])+(?=[^\w\s]*\b)', ' ', text)
text = re.sub('[!,.:;—](?= |$)', ' ', text)

输出：

print(text)
Must-have skills   .Net programming experience   2 years experience in C++  C# .Net  C++ .Net  C  .Net

Answer 2

修改

＃1

与以下内容相同，但更短，我将一组字符定义为必须在捕获的字符之前

>>> import re

>>> text = 'Must-have skills: -.Net programming experience; -2 years experience in C++; C#/.Net, C++/.Net, C./.Net.'

>>> re.sub('(?:(?<!\S)|(?<=[\s\+\.C#]))[\-!,.:;—/]|[\-!,.:;—/](?=\s|$)', ' ', text)


#Output
'Must-have skills   .Net programming experience   2 years experience in C++  C# .Net  C++ .Net  C  .Net '

。

说明

这里的答案实际上与下面的答案相同，但是我没有声明必须对捕获的集合进行逐一作用的字符，而是将它们全部定义为一个集合。

。

＃2

种类繁多的解决方案，但

稍后将发布说明；甚至可以对其进行改进以提高可读性

>>> import re

>>> text = 'Must-have skills: -.Net programming experience; -2 years experience in C++; C#/.Net, C++/.Net, C./.Net.'

>>> re.sub('(?:(?<!\S)|(?<=\s)|(?<=\+)|(?<=\.)|(?<=C)|(?<=#))[\-!,.:;—/]|[\-!,.:;—/](?=\s|$)', ' ', text)


#Output
'Must-have skills   .Net programming experience   2 years experience in C++  C# .Net  C++ .Net  C  .Net '

。

编辑：说明

因此，通过以(?:打开，我要说的是，在这种情况下，我要捕获的查询应该在捕获集之前，该捕获集包含紧随(?:之后定义的内容。
这里的关键是不能将以(?<!和(?<=开头的前瞻设置为忽略一定范围的值，因此我必须先从(?:开始，然后再给出多个{ {1}}和(?<!表示捕获的内容该字符之前或之后，该其他字符之前，等等。
因此，用(?<=打开后，我现在可以设置要捕获的值应该或不应该以
从(?:开始确实是不需要的，但我将其包括在内是因为它可以产生安全网。它基本上说，如果范围(?<!\S) 如果前面带有任何随机的非空白字符，则不应捕获/作用范围
对于[\-!,.:;—/]，我是说* OR |(?<=\s)如果前面带有任何单个空格字符，则应捕获/执行*
使用[\-!,.:;—/]的意思是，如果或|(?<=\+)|(?<=\.)|(?<=C)以+ 、.或C开头，则应该捕获或执行，所以{{1}如果[\-!,.:;—/]中的}像字符串中的\. OR just . [a period]前面那样被捕获/作用（请记住[\-!,.:;—/]）；如果C中的(?<=C)前面有;（请记住[\-!,.:;—/]），则会被捕获/执行。

在+之前的最后一个(?<=\+)关闭)。

|，因为您知道是OR，而且由于我无法将语句全部合为一体，因此我必须重新定义(?:，然后先说，捕获/执行|上的空格或字符串末尾。通过先行，您可以定义常规的单个字符串类型'ranges'，这样您就可以实际使用[\-!,.:;—/]它们，但是当您使用先行记录时就不能这样做

Answer 3

您可以使用单个替换项，方法是在一个组中捕获要保留的内容，并使用alternation删除不需要的内容。

这样，您可以使用要保留或要删除的案例扩展模式。在替换中，您使用捕获组。除了使用内联修饰符(?i)，您还可以在代码中使用re.IGNORECASE。

(c(?:\+{2}|#)|\.net\b)|[!,.:;/—]|-(?=[\d.])

这将匹配：

(捕获组
- c(?:\+{2}|#)|\.net\b匹配c ++或c＃或.net
)关闭捕获组
|或
[!,.:;/—]匹配字符类中列出的任何字符
|或
-(?=[\d.])匹配一个连字符，以断言直接在右边的是数字或点

Regex demo | Python demo

例如

import re
regex = r"(c(?:\+{2}|#)|\.net\b)|[!,.:;/—]|-(?=[\d.])"
text = 'Must-have skills: -.Net programming experience; -2 years experience in C++; C#/.Net, C++/.Net, C./.Net.'
text = re.sub(regex, r"\1 ", text, 0, re.IGNORECASE)

if text:
    print (text)

# Must-have skills   .Net  programming experience   2 years experience in C++   C#  .Net   C++  .Net   C  .Net

为复杂的正则表达式添加例外

3 个答案: