如何返回与特定模式不匹配的字符串列表？

Question

我试图从文本文件返回所有与特定模式不匹配的结果，但我的语法有困难。

pattern is [A-Z]+\_[A-Z0-9]+\_[0-9]+\_[0-9]+\.[A-Z]{3}

试过以下但没有成功：

'^(?![A-Z]+\_[A-Z0-9]+\_[0-9]+\_[0-9]+\.[A-Z]{3}$).*$'

r'^(?!([A-Z]+\_[A-Z0-9]+\_[0-9]+\_[0-9]+\.[A-Z]{3}).)*$'

下面是匹配模式的代码，现在我需要找到所有不匹配的条目。

pattern = r'[A-Z]+\_[A-Z0-9]+\_[0-9]+\_[0-9]+\.[A-Z]{3}'

regex1 = re.compile(pattern, flags = re.IGNORECASE)

regex1.findall(text1)

数据样本如下：

plos_annotate5_1375_1.txt plos_annotate5_1375_2.txt plos_anno％tate5_1375_3.txt plos_annotate6_1032_1.txt

第三个字符串是我想要的

Answer 1

你可以检查一下你的正则表达式是不匹配的：

if regex.match(text1) is None:
    # Do magic you need

Answer 2

如果可以在Python中执行此操作，为什么在regexp中会出现否定？

strings_without_rx = [s for s in the_strings if not regex1.search(s)]

如果要扫描文件行，甚至不需要将它们全部存储起来，因为打开的文件是其行的可迭代文件：

with open("some.file") as source:
  lines_without_rx = [s for s in source if not regex1.search(s)]
# Here the file is auto-closed.

Answer 3

我建议在你的模式中使用负前瞻断言：

r'(?![A-Z]+\_[A-Z0-9]+\_[0-9]+\_[0-9]+\.[A-Z]{3}[^A-Za-z0-9_+\.-]+)'

没有任何循环，如果你将它与findall一起使用，它将为你提供所有不匹配的模式：

re.findall(r'(?![A-Z]+\_[A-Z0-9]+\_[0-9]+\_[0-9]+\.[A-Z]{3}[^A-Za-z0-9_+\.-]+)')