Python Regex不匹配。 （点）作为一个角色

Question

我有一个匹配字符串中所有三个字符的正则表达式：

\b[^\s]{3}\b

当我将它与字符串一起使用时：

And the tiger attacked you.

这是结果：

regex = re.compile("\b[^\s]{3}\b")
regex.findall(string)
[u'And', u'the', u'you']

你可以看到它与三个字符的单词匹配，但我希望表达式取“你”。 用“。” 作为4个字符。

我对“，”，“;”，“：”等有同样的问题。

我对正则表达式很新，但我想这是因为这些字符被视为字边界。

有办法做到这一点吗？

提前致谢，

编辑

想知道@BrenBarn和@Kendall Frey的答案我设法得到了我正在寻找的正则表达式：

(?<!\w)[^\s]{3}(?=$|\s)

Answer 1

如果您想确保单词前面和后面跟一个空格（而不是像您的情况那样的句号），那么请使用环视 。

(?<=\s)\w{3}(?=\s)

如果你需要它来匹配标点符号作为单词的一部分（例如'in。'）那么\\w就不够了，你可以使用\\S （除了空格之外的任何东西）

(?<=\s)\S{3}(?=\s)

Answer 2

如文档中所述 ：

单词被定义为字母数字或下划线字符的序列，因此单词的结尾由空格或非字母数字的非下划线字符表示。

因此，如果您希望将句点计为单词字符而不是单词边界，则不能使用\\b来表示单词边界。 你必须使用自己的角色类。 例如，如果要匹配由空格包围的3个非空格字符，可以使用像\\s[^\\s]{3}\\s这样的正则表达式。 如果您仍然希望边界为零宽度（即限制匹配但不包含在其中），则可以使用环视，类似于(?<=\\s)[^\\s]{3}(?=\\s) 。

Answer 3

这将是我的方法。 也匹配标点符号后面的单词。

import re

r = r'''
        \b                   # word boundary
        (                    # capturing parentheses
            [^\s]{3}         # anything but whitespace 3 times
            \b               # word boundary
            (?=[^\.,;:]|$)   # dont allow . or , or ; or : after word boundary but allow end of string
        |                    # OR
            [^\s]{2}         # anything but whitespace 2 times
            [\.,;:]          # a . or , or ; or :
        )
    '''
s = 'And the tiger attacked you. on,bla tw; th: fo.tes'

print re.findall(r, s, re.X)

输出：

['And', 'the', 'on,', 'bla', 'tw;', 'th:', 'fo.', 'tes']