python 正則表達式：僅匹配點，而不是前面的字母

Question

我有一個正則表達式模式如下：

r'(?:(?<!\.|\s)[a-z]\.|(?<!\.|\s)[A-Z]\.)+'

我正在嘗試修改它，使其只匹配句子末尾的點，而不是它們前面的字母。 這是我的字符串：

sent = 'This is the U.A. we have r.a.d. golden 13.56 date. a better date 34. was there.'

這就是我所做的：

import re
re.split(r'(?:(?<!\.|\s)[a-z]\.|(?<!\.|\s)[A-Z]\.)+', sent)

然而發生的事情是它刪除了單詞的最后一個字母：

current output:
['This is the U.A. we have r.a.d. golden 13.56 dat',' a better date 34. was ther',
 '']

我想要的 output 是：

['This is the U.A. we have r.a.d. golden 13.56 date',' a better date 34. was there',
 '']

我不知道如何修改模式以保留單詞“date”和“there”的最后一個字母

Answer 1

您的模式可以簡化為並固定為

(?<=(?<![.\s])[a-zA-Z])\.

請參閱正則表達式演示。

如果您還需要匹配多個點，請在\.后面放回+ 。 .

詳情：

• (?<=(?<.[.\s])[a-zA-Z]) - 與緊接在其前面的位置匹配的正向后視
  • (?<.[.\s]) - 如果有. 或緊鄰當前位置左側的空格
  • [a-zA-Z] - 一個 ASCII 字母
• \. - 一個字面點。

看，您的模式基本上是兩種模式的交替， (?<.\.|\s)[az]\. 和(?<.\.|\s)[AZ]\. ，唯一的區別是[az]和[AZ] 。 很明顯，相同的交替可以縮短為(?<.\.|\s)[a-zA-Z]\. 必須將[a-zA-Z]放入非消耗模式，這樣在拆分時字母就不會被吃掉，因此使用正向后視是一種自然的解決方案。