Python正则表达式：检测单词是否存在

Question

我希望能够使用Python正则表达式检测一个句子中是否包含某个单词，并且希望能够对其取反。

import re
re.match(r'(?=.*\bfoo\b)', 'bar red foo here')

这段代码可以工作，但我不明白为什么需要在其中放置.*。 而要对其取反，我不知道该怎么做。 我尝试过：

re.match(r'(?!=.*\bfoo\b)', 'bar red foo here')

但是它不能工作。 我最终的目标是将它们结合在一起，如下所示：

re.match(r'(?=.*\bfoo\b)(?!=.*\bbar\b)', 'bar red foo here')

- max

---

为什么不使用类似于 'foo' in sentence and 'bar' not in sentence 的语法呢？（或者你想要实现的其他操作） - Two-Bit Alchemist

re.match(r'\bfoo\b', s) and not re.match(r'\bbar\b', s) - L3viathan

@L3viathan，我看不出你为什么会更喜欢使用这个而不是s中的'substring'，你能解释一下吗？ - Two-Bit Alchemist

@Two-BitAlchemist：如果你仔细看正则表达式，你会注意到\b——一个单词边界。尝试使用in和not in来模拟它。 - Wiktor Stribiżew

@WiktorStribiżew 是的，我熟悉这个。而且“单词边界”是由一个单词定义的，该单词是Unicode字母数字或下划线字符序列，这可能有点令人惊讶。 - Two-Bit Alchemist

Answer 1

要检测一个字符串中是否存在某个单词，你需要使用“正向预查”。

(?=.*\bfoo\b)

< p > .* 是必要的，以便在字符串开始之外搜索更远（re.match 将搜索锚定在字符串开头）。

要检查字符串中是否没有单词，请使用 负向先行断言：

(?!.*\bbar\b)
 ^^^

那么，将它们结合起来：

re.match(r'(?=.*\bfoo\b)(?!.*\bbar\b)', input)

这段代码会在一个字符串中查找整个单词foo，并且不包含整个单词bar。

- Wiktor Stribiżew

---

只是一个补充：如果字符串中包含换行符号，请使用re.S（re.DOTALL）标志编译正则表达式，这样.也可以匹配换行符。 - Wiktor Stribiżew

匹配包含“bar red foo”的行。 - user557597

Python的match()函数意味着BOS（而不是EOS）。这让Python成为了我列出的受限引擎之一。 - user557597

不需要提及Python名称。Python 3有一个re.fullmatch方法。 - Wiktor Stribiżew

我确定这个正则表达式 (?=.*\bfoo\b)(?!.*\bbar\b) 在字符串 bar red foo 中匹配了某处。我在 Perl 中运行它，但在 Python 中未匹配成功，可能是由于引擎有缺陷。 - user557597

Answer 2

更新
刚发现Python的re.match()有一个隐含的^锚点。
换句话说，它只会在字符串开头匹配，
与Java不同的是，它不需要在整个字符串中都匹配。

但要注意，如果将正向和负向前瞻组合起来，
就像Stribnez的答案一样，如果没有锚定到
某些东西，就可能导致意外的结果。无论是文字还是BOS锚点^。

对于一般用途，请不要依赖于，或者说在某些语言中
match()函数意味着BOS锚点^（可能还有EOS$）。
始终在其中放置一个（或两个）。这样可以使用
在search()中也是如此。并且可移植到其他语言。

为了看到正向和负向的串联前瞻如何引起问题，
请考虑这个棘手的独立表达式(?=.*\bfoo\b)(?!.*\bbar\b)

可以像这样检查它：

由于它是串联的，两个断言必须在同一位置匹配
字符串。

在给定相同的字符串位置时，负断言
可以在发现下游不匹配其内容的位置时得到满足。

假设不存在任何锚定，这将留下一个开口处上游
（在示例中，在搜索位置和bar文字之间）
存在不需要的内容，仍然满足正/负断言对。

例如：
(?=.*\bfoo\b)(?!.*\bbar\b)
匹配
bar red foo

**  Grp 0 -  ( pos 1 , len 0 )  EMPTY 

b<here>ar red foo

这表明在位置1，两个断言都得到了满足。

结论： 1.始终使用锚点，即使它们是暗示的。 2.避免使用任何语言的match()函数，改用search()。

无论您使用正向先行断言还是负向先行断言，如果不使用正确的语法，它都无法正常工作。

看看这个(?!=.*\bfoo\b)。这意味着下一个字符不能是等号=，后面跟着一堆字符直到下一个foo。这是不允许的。因此，它将不匹配= ab foo，但它将匹配'=(here) ab foo'。

下一个问题是，如果您没有给断言提供任何锚定内容，它会使用一个bump-along来将位置移动到一个在其中字符之间满足它的位置。所需的负向先行断言更正如下：^(?!.*\bfoo\b)。

供参考：

(?=..)  Positive lookahead
(?<=..) Positive lookbehind
(?!..)  Negative lookahead
(?<!..) Negative lookbehind   

此外，它们可以混合和嵌套在任何地方。

- user557597

Answer 3

你需要使用.*，因为re.match()尝试将模式与字符串开头匹配。如果你想搜索整个字符串，请使用re.search()。

就像你可以使用if re.search(...):一样，你也可以使用if not re.search(...):。

- zondo

---

搜索仍然返回匹配项：re.search(r'(?=\bfoo\b)(?!\bred\b)', 'bar red foo here')，所以我猜我不能使用它。 - max