正則表達式匹配引號之間字符串的首次出現，但排除某些單詞？

Question

我有一個正則表達式，可以捕獲文本文件中引號內的所有字符，但我想：

• 僅匹配此模式的第一次出現
• 從此模式匹配中排除某些單詞

這是我到目前為止的內容：

((?:\\.|[^"\\])*)

匹配引號內的所有文本，如下所示：

“ 這是上面印有文字的文字嗎？ ”

但是，我希望模式僅匹配第一次出現的內容，因此我認為在某個時候需要{1}。

然后，我想排除某些單詞，並且我有：

^(?!.*word1|word2|word3)

但是我對正則表達式還不夠熟悉，無法將它們放在一起。

Answer 1

我認為您可以使用此正則表達式來匹配字符串中首次出現的雙引號，該雙引號不包含列表中的單詞：

^.*?(?!"[^"]*?\b(?:word1|word2|word3)\b[^"]*?")"([^"]+?)"(?=(?:(?:[^"]*"[^"]*){2})*[^"]*$)

觀看演示

樣例代碼 ：

import re
p = re.compile(ur'^.*?(?!"[^"]*?\b(?:word1|word2|word3)\b[^"]*?")"([^"]+?)"(?=(?:(?:[^"]*"[^"]*){2})*[^"]*$)')
test_str = u"\"word that is not matched word1\" \"word2 word1 word3\" \"this is some text word4 with the word printed in it?\""
print re.search(p, test_str).group(1)

輸出：

this is some text word4 with the word printed in it? 

至於可維護性，可以從任何來源提取被排除的單詞，並且可以動態構建正則表達式。

Answer 2

是否必須使用單個正則表達式一次即可解決所有這些要求？ 如果您只使用一個簡單的正則表達式來查找帶引號的字符串，然后根據排除的單詞黑名單過濾所有匹配項，最后選擇剩下的第一個，則代碼的可維護性將大大提高。

excluded = ('excluded', 'forbidden')
text = 'So, "this string contains an excluded word". "This second string is thus the one we want to find!" another qu"oted st"ring ... and another "quoted string with a forbidden word"'

import re
quoted_strings = re.findall('".*?"', text)
allowed_quoted_strings = [q for q in quoted_strings if any(e in q for e in excluded)]
wanted_string = allowed_quoted_strings[0]

或者，如果您喜歡用一個巨大的單表達

import re
wanted_string = [q for q in re.findall('".*?"', 'So, "this string contains an excluded word". "This second string is thus the one we want to find!" another qu"oted st"ring ... and another "quoted string with a forbidden word"') if any(e in q for e in ('excluded', 'forbidden'))][0]