Python中对组进行反向正则表达式匹配

Question

我看到了很多类似措辞的问题，但我很难想出这个语法。

给定一个单词列表，我想打印所有 没有 特殊字符的单词。

我有一个正则表达式可以识别 带有 特殊字符的单词 \w*[\u00C0-\u01DA']\w*。我见过很多答案，比如简单的单词的场景相对简单。然而，我还没有找到任何否定一个组的内容 - 我看到了几个不同的负向前瞻语法 ?!，但我还没有能够找到一个可以与之一起工作的语法。

在我的情况下，假设字符串为："should print nŌt thìs"

应该打印 should 和 print，但不是其他两个单词。re.findall("(\w*[\u00C0-\u01DA']\w*)", paragraph.text) 给出了特殊字符 - 我只想反转它们。

- Grant Curell

Answer 1

对于这种情况，您可以在搜索中指定正常的字母范围：

a = "should print nŌt thìs"
re.findall(r"(\b[A-Za-z]+\b)", a)
# ['should', 'print']

当然，您还可以添加数字或任何其他要匹配的内容。

至于负向先行断言，它们使用语法(?!...)，在感叹号前加上?，并且必须用括号括起来。要在此处使用一个负向先行断言，可以使用以下代码：

r"\b(?!\w*[À-ǚ])\w*"

这个正则表达式的作用如下：

• 检查单词边界，例如空格或者输入字符串的开始位置\b。
• 进行负向预查，在0个或更多个单词字符之前查找任何特殊字符并停止匹配。你必须包括\w*，因为(?![À-ǚ])只会检查特殊字符是否是单词中的第一个字母。
• 最后，如果它通过了预查，就匹配任何单词字符。

演示。请注意，在regex101.com上，您必须指定Python风格才能正确使用带有特殊字符的\b。

还有第三个选项：

r"\b[^À-ǚ\s]*\b"

中间部分[^À-ǚ\s]*表示匹配除了特殊字符和空白之外的任何字符，数量不限。

- jdaz

---

我认为第一个正则表达式不起作用，因为它匹配像 zhì 这样的内容 - 它只匹配了 zh。 - Grant Curell

另一个问题是，r"\b(?!\w*[À-ǚ])\w*" 只能在基于拉丁字符的特殊字符上工作吗？ - Grant Curell

是的，第一个也应该被\b包围。已修复。是的，“特殊字符”指的就是您发布的范围，[\u00C0-\u01DA]。 - jdaz

Answer 2

我知道这不是正则表达式，而是一个完全不同的想法，除了使用正则表达式之外，您可能没有考虑过。我想它也会慢得多，但我认为它可以工作：

>>> import unicodedata as ud    
>>> [word for word in ['Cá', 'Lá', 'Aqui']\
    if any(['WITH' in ud.name(letter) for letter in word])]
['Cá', 'Lá']

或者使用... 'WITH' not in来进行反转。

- progmatico