如何使用正则表达式字边界进行精确匹配？

Question

我有一个字符串"Volcano - V3 (2010-2020) blah blah TheVolcano - V3 (2010-2020)" 。 我正在尝试仅搜索Volcano - V3 (2010-2020) 。
我在正则表达式中使用了单词边界，如下所示：

>>> import re
>>> pattern = "Volcano - V3 (2010-2020) blah blah TheVolcano - V3 (2010-2020)"
>>> regex = r'\bVolcano - V3 (2010-2020)\b' # '\\bVolcano - V3 (2010-2020)\\b'

>>> re.search(regex, pattern, re.IGNORECASE) # No match!

我认为 escaping 特殊字符可以提供帮助，也尝试过

regex = rf'\b{re.escape("Volcano - V3 (2010-2020)")}\b' # '\\bVolcano\\ \\-\\ V3\\ \\(2010\\-2020\\)\\b'

但没有运气。 我不知道我在这里错过了什么。

Answer 1

您的第一个正则表达式中存在以下问题：

• 括号在正则表达式中有特殊含义，因此应该对它们进行转义（因为你的意思是应该匹配文字括号）。

• 右括号和空格之间没有分词符，因此)\b与输入字符串中的任何内容都不匹配。 如果您的输入字符串中有")A" （例如），它将匹配，但由于它只有") " ，因此没有匹配项。 所以放弃\b 。 由于您已经需要右括号，所以很明显 2020 这个“词”已经停止了。

通过这些修复，它将找到一个匹配项：

import re
pattern = "Volcano - V3 (2010-2020) blah blah TheVolcano - V3 (2010-2020)"
regex = r'\bVolcano - V3 \(2010-2020\)'

print(re.search(regex, pattern, re.IGNORECASE))

请注意， search只会返回第一个匹配项。 如果您想获得所有匹配项，请使用findall或finditer 。

如果您的正则表达式是动态设置的，并且它可能需要也可能不需要前端/末尾的\b ，具体取决于在最开始/末尾是否有要匹配的“单词”，那么请这样做：

import re
pattern = "Volcano - V3 (2010-2020) blah blah TheVolcano - V3 (2010-2020)"
target = 'Volcano - V3 (2010-2020)'  # Some dynamically determined literal string
# escape it
regex = re.escape(target)
# check if \b needs to be added
if regex[0].isalnum():
    regex = r"\b" + regex
if regex[-1].isalnum():
    regex += r"\b"

print(re.search(regex, pattern, re.IGNORECASE))