在正则表达式中过滤单词

Question

因此，最近我接触了 Python 中的正则表达式，并且在网上遇到了一些代码，用于从包含在其他子字符串中的字符串列表中过滤单词。

def Filter(string, substr):
    return [str for str in string
    if re.match(r'[^\d]+|^', str).group(0) in substr]

它看起来非常简单，并且对于我遇到的特定问题效果很好，但我真的无法理解它的含义以及它是如何工作的。 这看起来很混乱。 任何人都可以像我是婴儿之类的那样向我解释吗？ 我的编码技能不是很好，而且我还是个菜鸟。

明确地说，代码有效，我很高兴继续前进，我只是不明白这一点。

Answer 1

[^\d]匹配任何不是数字的字符； 这也可以写成\D 。

+在模式之后表示匹配匹配模式的任何字符序列，因此[^\d]+匹配非数字序列。

| 分隔备选模式以进行匹配。

第二种选择^匹配字符串的开头。 每个字符串都会匹配这个。 我认为他们使用它只是为了避免匹配失败，以便您始终可以在结果上调用.group(0) 。 他们可以通过在第一个选项中将+更改为*来完成相同的事情，因为这意味着匹配的序列可以是 0 次重复。

re.match()在参数字符串的开头查找正则表达式的匹配项。 .group(0)返回与整个正则表达式匹配的内容。 所以这整个事情返回str中非数字的初始序列。

最后，列表理解返回strings中非数字初始序列在substr中的任何项目。

通过我上面提到的简化，这可以重写：

def Filter(string, substr):
    return [item for item in string
            if re.match(r'\D*', item).group(0) in substr]

请注意，如果任何项目以数字开头，则正则表达式的结果将是一个空字符串，而空字符串是每个字符串的子字符串。 因此这些项目将包含在过滤结果中。 我怀疑这不是预期的结果。

Answer 2

我将尽力为您解释这一点。

所以基本上我们正在创建一个名为“ filter ”的方法并传递两个参数，即“ string （要搜索的）”和“ substring （要搜索的）”。 然后我们在python 返回函数中使用re.match以及for 循环中的if 条件（for 循环帮助我们一个一个地遍历主字符串）。 至于： (r'[^\d]+|^' ：这是一个正则表达式模式，其中 \d 是数字的正则表达式模式， + 表示至少一个或多个，最后它们在 () 内关闭，这意味着您要捕获的组。

re.match： re.match 是一个函数，它只从字符串的开头搜索并返回匹配的对象（如果找到）。 但是，如果在中间某处找到子字符串，则它只会返回 none。