在 Python 中使用正则表达式提取准确的单词或字符集

Question

假设我有一个这样的列表。

List = ['MX_QW-765', 'RUC_PO-345', 'RUC_POLO-209']. 

我想搜索并返回“PO”所在的匹配项。 从技术上讲，我应该将RUC_PO-345作为我的 output，但即使是RUC_POLO-209也会作为 output 与RUC_PO-345一起返回。

Answer 1

更新前的问题：

根据我的评论，我认为您使用了错误的方法。 对我来说，您似乎可以简单地使用in ：

words = ['cat', 'caterpillar', 'monkey', 'monk', 'doggy', 'doggo', 'dog']
if 'cat' in words:
    print("yes")
else:
    print("no")

回报： yes

words = ['cats', 'caterpillar', 'monkey', 'monk', 'doggy', 'doggo', 'dog']
if 'cat' in words:
    print("yes")
else:
    print("no")

退货： no

---

更新问题后：

现在，如果您的示例数据实际上并未反映您的需求，但您有兴趣在列表元素中找到 substring，您可以尝试：

import re
words = ['MX_QW-765', 'RUC_PO-345', 'RUC_POLO-209']
srch = 'PO'
r = re.compile(fr'(?<=_){srch}(?=-)')
print(list(filter(r.findall, words)))

或使用match ：

import re
words = ['MX_QW-765', 'RUC_PO-345', 'RUC_POLO-209']
srch = 'PO'
r = re.compile(fr'^.*(?<=_){srch}(?=-).*$')
print(list(filter(r.match, words)))

这将返回遵循该模式的项目列表（在本例中为['RUC_PO-345'] ）。 我使用上述常规模式来确保您的搜索值不会位于搜索字符串的开头，而是位于下划线之后，然后是- 。

---

现在，如果您有想要查找的产品列表，请考虑以下内容：

import re
words = ['MX_QW-765', 'RUC_PO-345', 'RUC_POLO-209']
srch = ['PO', 'QW']
r = re.compile(fr'(?<=_)({"|".join(srch)})(?=-)')
print(list(filter(r.findall, words)))

或再次使用match ：

import re
words = ['MX_QW-765', 'RUC_PO-345', 'RUC_POLO-209']
srch = ['PO', 'QW']
r = re.compile(fr'^.*(?<=_)({"|".join(srch)})(?=-).*$')
print(list(filter(r.match, words)))

两者都会返回： ['MX_QW-765', 'RUC_PO-345']

请注意，如果您不支持 f 字符串，您也可以将变量连接到模式中。

Answer 2

尝试使用列表中的搜索词构建正则表达式替换：

words = ['cat', 'caterpillar', 'monkey', 'monk', 'doggy', 'doggo', 'dog']
your_text = 'I like cat, dog, rabbit, antelope, and monkey, but not giraffes'
regex = r'\b(?:' + '|'.join(words) + r')\b'
print(regex)
matches = re.findall(regex, your_text)
print(matches)

这打印：

\b(?:cat|caterpillar|monkey|monk|doggy|doggo|dog)\b
['cat', 'dog', 'monkey']

您可以清楚地看到我们为查找所有匹配关键字而构建的正则表达式替换。

Answer 3

图案：

‘_PO[^\w]’

应该使用 re.search() 或 re.findall() 调用； 它不适用于 re.match 因为它不考虑字符串开头的字符。

该模式为：匹配1 个下划线('_') 后跟1 个大写 P ('P')后跟 1 个大写 O ('O') 后跟一个非单词字符。 特殊字符 '\w' 匹配[a-zA-Z0-9_] 。

‘_PO\W’

^ 这也可以用作建议的第一个模式的较短版本（在评论中注明@JvdV）

‘_PO[^A-Za-z]’

此模式使用“字符集而不是字母字符”。 如果破折号干扰前两种模式中的任何一种。

要使用它来识别列表中的模式，您可以使用循环：

import re

For thing in my_list:
    if re.search(‘_PO[^\w]’, thing) is not None:
        # do something
        print(thing)

这将使用re.search调用将模式匹配为if条件中的 True 条件。 当 re 不匹配一个字符串时，它返回 None； 因此...的语法if re.search() is not None 。

希望能帮助到你！

Answer 4

您需要添加一个$符号来表示字符串的结尾，您还可以添加一个^ ，它是字符串的开头，因此只有cat匹配：

 ^cat$

Answer 5

我们可以尝试在我们的正则表达式字符串中匹配三个确切的单词 'cat'、'dog'、'monk' 之一。

我们的正则表达式字符串将是"\b(?:cat|dog|monk)\b"

\b用于定义单词边界。 我们使用\b以便我们可以搜索整个单词（这是您面临的确切问题）。 添加此内容与tomcat或caterpillar和只有cat不匹配

接下来， (?:)被称为非捕获组（ 这里解释）

现在我们需要匹配cat或dog或monk之一。 所以这表示为cat|dog|monk 。 在 python 3 中，这将是：

import re

words = ['cat', 'caterpillar', 'monkey', 'monk', 'doggy', 'doggo', 'dog']
regex = r"\b(?:cat|dog|monk)\b"

r=re.compile(regex)
matched = list(filter(r.match, words))

print(matched)

要通过可迭代列表实现匹配的正则表达式，我们使用filter function ，如 Stackoverflow 答案中所述

您可以在此处找到可运行的 Python 代码

注意：最后， regex101是一个很棒的在线工具，可以尝试不同的正则表达式字符串并实时获取它们的解释。 我们的正则表达式字符串的解释在这里

Answer 6

您应该使用正则表达式 ( import re ) ，这是您应该使用的正则表达式： r'(?<?[A-Za-z0-9])PO(?![A-Za-z0-9])' 。

我之前推荐了\b特殊序列，但事实证明'_'被认为是单词的一部分，而你的情况并非如此，所以它不起作用。

这给您留下了一些更复杂的负前瞻断言和负前瞻断言，分别是(?<! ... 和(?! ... .