re模块中的正则表达式是否支持单词边界（\b）？

Question

在尝试学习更多关于正则表达式的知识时，一个教程建议使用\b来匹配单词边界。然而，在Python解释器中运行的以下代码片段未能按预期工作：

>>> x = 'one two three'
>>> y = re.search("\btwo\b", x)

如果有任何匹配，它应该是一个匹配对象，但它却是None。

\b表达式在Python中不支持吗，还是我使用错误了？

- D.C.

---

这个会起作用：re.search(r"\btwo\b", x)。 - Bolo

你为什么不使用“原始”字符串？r"\btwo\b"？ - S.Lott

人们常常对\b感到困惑。 - tchrist

是的，Python可以做到，你只需要使用原始字符串 r'\b' 来转义该字符。（否则就要双重转义 \\b，这很麻烦） - smci

Answer 1

你的代码中应该使用原始字符串

>>> x = 'one two three'
>>> y = re.search(r"\btwo\b", x)
>>> y
<_sre.SRE_Match object at 0x100418a58>
>>> 

另外，为什么不尝试一下

word = 'two'
re.compile(r'\b%s\b' % word, re.I)

输出：

>>> word = 'two'
>>> k = re.compile(r'\b%s\b' % word, re.I)
>>> x = 'one two three'
>>> y = k.search( x)
>>> y
<_sre.SRE_Match object at 0x100418850>

- pyfunc

---

@darren：看看我上一个例子，它只是在你所做的基础上进行了改进。我提供了原始字符串进行搜索。 - pyfunc

啊，经过你和Bolo的建议，问题出在我没有使用原始字符串。谢谢！ - D.C.

@darren：我在13分钟前提供了这个答案 :) - pyfunc

-1: 倒序。应该先给出原始字符串。使用字符串％替换构建re表达式的其他业务是一个不相关的坏方向，与这个特定问题无关。 - S.Lott

回答不好。代码可以运行，但是没有任何解释。 - Aran-Fey

Answer 2

这个可以正常工作：re.search(r"\btwo\b", x)

在Python中，当你写"\b"时，它是一个单字符："\x08"。你需要转义反斜杠像这样：

"\\b"

或者像这样编写原始字符串：

r"\b"

- Bolo

---

这真的帮了我很多......我一直在苦恼pyspark rlike正则表达式，而且不知道为什么\b（单词边界）不起作用。谢谢。 - jb1t

谢谢，我也被这个问题困扰了。但是为什么\d不需要原始字符串就可以正常工作，而\b却不行呢？ - Quinn Comendant

双反斜杠的观察真的让我摆脱了困境。谢谢。 - dimButTries

@QuinnComendant 因为\d不是转义序列，请参考 https://docs.python.org/3/reference/lexical_analysis.html#string-and-bytes-literals 上的表格。 - user1556435

Answer 3

为了明确解释为什么re.search("\btwo\b", x)无法正常工作，这是因为Python字符串中的\b是换行符的简写。

print("foo\bbar")
fobar

因此，模式"\btwo\b"正在查找一个退格符，后跟two，再后跟另一个退格符。在您搜索的字符串x ='one two three'中没有这样的字符串。

为了让re.search（或compile）将序列\b解释为单词边界，可以转义反斜杠（"\\btwo\\b"）或使用原始字符串来创建模式（r"\btwo\b"）。

- Bill the Lizard

Answer 4

Python 文档

https://docs.python.org/2/library/re.html#regular-expression-syntax

\b

匹配空字符串，但仅限于单词的开头或结尾。单词被定义为由字母数字或下划线字符组成的序列，因此单词的结尾由空格或非字母数字、非下划线字符表示。请注意，形式上，\b 被定义为 \w 和 \W 字符（或反之）或 \w 和字符串开始/结束之间的边界，因此被认为是字母数字的精确字符集取决于 UNICODE 和 LOCALE 标志的值。例如，r'\bfoo\b' 匹配 'foo'，'foo.'，'(foo)'，'bar foo baz'，但不匹配 'foobar' 或 'foo3'。在字符范围内，\b 代表退格字符，以与 Python 字符串文字兼容。

- Ciro Santilli OurBigBook.com

Answer 5

注意，对于动态变量，这种方法不起作用。

x = 'one two three'
dy = "two"
y = re.search(r"\b" + dy + "\b", x)
print(y) # None

在左右两边使用 r"\b"

x = 'one two three'
dy = "two"
y = re.search(r"\b" + dy + r"\b", x)
print(y) # <re.Match object; span=(4, 7), match='two'>

- uingtea