带有\w 的 Python 正则表达式不起作用

Question

我想要一个正则表达式来查找一个短语和它前面的两个单词(如果有两个单词)。例如我有字符串(每行一个句子):

Chevy is my car and Rusty is my horse. My car is very pretty my dog is red.

如果我使用正则表达式:

re.finditer(r'[\w+\b|^][\w+\b]my car',txt)

我没有得到任何匹配。

如果我使用正则表达式:

re.finditer(r'[\S+\s|^][\S+\s]my car',txt)

我得到:是我的车'和'。我的车'(我忽略大小写并使用多行)

为什么带\w+\b 的正则表达式找不到任何东西？它应该找到两个词和“我的车”如果有两个词，我怎样才能在“我的车”之前得到两个完整的词。如果我的车前面只有一个词，我应该得到它。如果前面没有单词，我应该只得到“我的车”。在我的字符串示例中，我应该得到:'Chevy is my car' 和 'My car'(这里没有前面的词)

Answer 1

在你的 r'[\w+\b|^][\w+\b]my car 正则表达式中，[\w+\b|^] 匹配 1 个符号那是一个单词 char、+、backdpace、| 或 ^ 和 [\w+\b] 匹配 1 个符号，它可以是单词 char、+ 或退格键。

重点是在字符类中，量词和很多(但不是全部)特殊字符匹配文字符号。例如。 [+] 匹配加号，[|^] 匹配 | 或 ^。由于您想要匹配一个序列，因此您需要在字符类之外提供一系列子模式。

似乎您打算使用 \b 作为单词边界，但是，字符类中的 \b 仅匹配退格字符。

要找到“我的车”这两个词，您可以使用例如

\S+\s+\S+\s+my car

参见 regex demo (此处，\S+ 匹配一个或多个非空白符号，而 \s+ 匹配 1 个或多个空白，并且这 2 个连续子模式的 2 次出现与这些符号匹配为序列)。

要使 my car 之前的序列可选，只需使用 {0,2} 量词，如下所示:

(?:\S+[ \t]+){0,2}my car

参见 this regex demo (与 re.IGNORECASE 标志一起使用)。参见 Python demo :

import re
txt  = 'Chevy is my car and Rusty is my horse.\nMy car is very pretty my dog is red.'
print(re.findall(r'(?:\S+[ \t]+){0,2}my car', txt, re.I))

详细信息:

• (?:\S+[\t]+){0,2} - 0 到 2 个 1+ 非空白后跟 1+ 空格或制表符的序列(您也可以替换它与 [^\S\r\n] 匹配任何水平空间或 \s 如果您还计划匹配换行符)。
• my car - 文字文本my car。