正则表达式-比赛后捕获单词

Question

我有一个字符串，我试图匹配单词模式，这些单词模式直接出现在标签之后，也可能出现在标签之后的一个单词。 例如：

after_tag = r'here is sentence as an example where a [TAG] ~~M001~~ a word'
one_after_tag = r'here is sentence as an example where a [TAG] can ~~M001~~ a word'

我也想将其扩展为与连接词一起使用，这里也已被标记。 这也应该在[CONNECT]标记后的一两个字的窗口内工作，例如：

after_connect = r'here is a sentence where a [TAG] could [CONNECT] ~~M002~~'
one_after_connect = r'here is a sentence where a [TAG] could [CONNECT] a ~~M002~~'

我在Python中使用re包尝试了以下正则表达式。

regex_current = re.compile(((?:(?<=(\{TAG})))(.*?)\~\~[A-Z0-9]{4,5}\~\~))

任何人都可以帮忙吗？ 我发现以下网站对测试很有帮助。

Answer 1

这是同时匹配~~...~~单词的一种解决方案：

(?<=\[TAG\])( \w*)? ~~\w*~~

1. 比赛前寻找[TAG] 。
2. 匹配一个或更少的单词，没有~
3. 匹配日~字。

如果它们之间也有一个单词也将被匹配，那么您可以将第二个单词分组或拆分结果并使用最后一个索引。

这是例子 。

同样包含CONNECT例子or相同的东西：

(?<=\[TAG\])( \w*)? ~~\w*~~|(?<=\[CONNECT\])( \w*)? ~~\w*~~

正则表达式精确无误，但后向搜索需要恒定的宽度。 如果您不介意匹配TAG，可以将其缩短为：

\[(TAG|CONNECT)\]( \w*)? ~~\w*~~

只有在您希望有更多~~LettersAndDigits~~单词的情况下，才需~~LettersAndDigits~~ 。 如果没有，您可以精确搜索

~~\w*~~

没有任何幻想。

最后加法

两个确保TAG和CONNECT出现（可选CONNECT）：

\[TAG\]( \w*)?( \[CONNECT\]( \w*)?)? ~~[\w]*~~

这是小提琴 。 在这种情况下，仅要获取单词，我将明确使用grouping () ，因为匹配长度是可变的。