Question

我目前正在尝试创建一个程序，以匹配特定长度或更长但不包含特定单词的单词。

目前，我有Regex：\S{4,}(?!\w*apple\w*)

在测试中使用时：I love these delicious applestoo

Regex仍然会匹配“ applestoo”，我不希望这样。

我可以看到这是一个逻辑错误，但是我不明白如何格式化此正则表达式。如果您有解决方案，请告诉我，谢谢。

编辑：

此代码现在适用于我的示例：(?!\w*apple\w*)\b\S{4,}\b但是，使用此新示例时，它仍然会失败：'logigng some testing data _______-----apple-###zx'

我试图通过使用(?!\w*(apple|_)\w*)\b\S{4,}\b来对此进行修改，但这似乎不起作用。

Answer 1

您正在寻找\b(?![^\W_]*apple)[^\W_]{4,}\b（explained at regex101）

这使用[^\W_]作为字符匹配器，它将匹配不是非单词字符也不是下划线的任何字符。这样就留下了非下划线的单词字符，使其类似于[[:alnum:]]（假设支持POSIX named character class或[0-9A-Za-z]……如果您只想输入字母，可以考虑使用[[:alpha:]]或仅ASCII字母[A-Za-z]。

出于性能原因，在\b字边界标记之后的否定超前表示，我们不能让“ apple”跟随这些字符中的零个或多个（无论跟随什么）。然后，我们要求匹配四个或更多这些字符，然后再匹配另一个单词边界标记。

在下面的命令行演示中，我使用grep -Po进行了演示。 -P导致grep使用其PCRE解释器（来自libpcre），-o使其仅显示匹配项，每个匹配项都位于其自己的行上：

$ echo 'logigng some testing data  _______-----apple-###zx' \
    |grep -Po '\b(?![^\W_]*apple)[^\W_]{4,}\b'
logigng
some
testing
data
$

正则表达式匹配-仅4个字符长且不包含特定单词

1 个答案: