python - 寻找一种从 Python 列表中指定自定义正则表达式通配符的方法

Question

请原谅这个标题，我真的不知道如何正确地表达这个问题，但希望我下面的描述能够展示我正在尝试做的事情。我想从一大组句子(10,000 个)中匹配句子，这些句子具有预定列表中的连续单词。我过去使用过正则表达式，但我对它了解不够，不知道这在正则表达式中是否实用。

我有两个独特的通配符列表，每个列表总共包含大约 20 个条目。句子中连续的通配符模式可能长达 8 个单词。

Fruit = List of 20 Fruits
Objects = List of 20 Objects

按以下方式查找匹配的句子:

* Fruit Object Fruit Object Fruit Object Fruit Object * 

例如:

Pineapple Stone Apple Rock Grape Club Blueberry Frisbee

这是否可以在正则表达式中完成，或者是否太不切实际？在研究中，我发现的唯一正则表达式解决方案会导致一个荒谬的长表达式，我什至无法想象计算可能需要多长时间。

换句话说，是否有某种方法可以在正则表达式中使用由 python 列表指定的自定义通配符？最好不必为正则表达式中的每次出现多次重复它们。

也许有一种方法可以在正则表达式的开头定义它们，然后用它们替换表达式中的每个匹配项？

编辑:需要一种能够动态指定自定义词序的方法。如[F][O][O][O][F]或[F][F][O][F][O]。理想情况下，要搜索的模板将通过前面的 python 脚本输入正则表达式。

Answer 1

当然，没问题:

^(?:\b(?:apple|banana|kiwi|morefruit)\s+(?:knife|spoon|fork|moreobjects)\s*){1,8}$

将匹配包含一到八个水果/物体对的字符串，并用空格分隔。

测试一下 live on regex101.com .

说明:

^                                 # Start of string
(?:                               # Start of non-capturing group
 \b                               # Assert that we're at the start of a word
 (?:apple|banana|kiwi|morefruit)  # Match a fruit
 \s+                              # Match one or more spaces
 (?:knife|spoon|fork|moreobjects) # Match an object
 \s*                              # Match any number of spaces
){1,8}                            # Do this one to eight times
$                                 # Match the end of the string.

使用 * 量词而不是 + 的原因是字符串末尾可能没有尾随空格。 \b word boundary anchor不过，请确保字符串内的对象和水果之间有空格。

如果除了简单重复模式之外还需要指定其他顺序，则需要在正则表达式中将它们拼写出来。但是您可以轻松构建正则表达式的这些部分，例如

In [1]: fruit = ["apple", "banana", "kiwi"]

In [2]: subregex = r"\b(?:" + "|".join(fruit) + r")\s*"

In [3]: print(subregex)
\b(?:apple|banana|kiwi)\s*

并从这些子正则表达式构建您的正则表达式。