或者条件不适用于正则表达式python

Question

我必须编写一个正则表达式条件，其中A标记只包含字母（即a-z或A-Z），"-"（连字符）或"(underscore) "。此外，令牌不能以"-"或"_"开头或结尾。我试过但我无法得到它

text = "this is a breath-taking ambitious movie; test text: abc_dcd abc_ dvr89w, abc-dcd -abc"

tokens=re.findall(r'[\-\_][a-zA-Z]+|[a-zA-Z]+-+_[a-zA-Z]', text) 

Answer 1

如果您提供一个开始示例和所需的输出可能会有所帮助。根据我的理解，这可能会让你开始：

import re
example = ['[Beta-blockers-]', 'Magic!', '19_80', 'Presse medicale']
output = [''.join(re.findall(r'[^\]\[.!][A-z0-9]+[^\]\[.!-]', i)) for i in example]

输出：

['Beta-blockers', 'Magic', '19_80', 'Presse medicale']

Answer 2

我在你的newtext中假设它实际上只是一串空格分隔的标记，所以这里有一堆负面的lookbehind / ahead断言：

import re
s = 'foo _foo_ _foo foo_ 123 _123 _123_ 123_ -foo- -foo foo- 5fOo-bAr3 12-3' 
tokens = re.findall(r'\b(?![-_])(?<![-_])[\w\-]+?(?![-_])(?<![-_])\b', s)
print(tokens)
# ouptut 
# ['foo', '123', '5fOo-bAr3', '12-3']

为了解释发生了什么，基本上有4个部分：

1. \b(?![-_])表示如果在单词边界字符之后，即\bthere是短划线或下划线，则不匹配。在这种情况下，将单词边界视为连续的单词字符块的边缘;单词字符是a-z，A-Z或下划线（_）。在这种情况下，这可能是一个空间甚至是破折号。
2. (?<![-_])[\w\-]+?表示不匹配，如果在单词字符和破折号的连续块的右边（换句话说，我们对令牌的定义）是破折号或下划线。是的，你需要彼此相邻的前瞻断言和后瞻断言，否则[\w\-]+?将消耗一个领先的破折号。
3. [\w\-]+?(?![-_])表示如果我们对令牌的定义是短划线或下划线后不匹配
4. (?<![-_])\b表示不匹配，如果令牌左边缘的左边是短划线或下划线

Answer 3

你的正则表达式应该是这样的：

[a-zA-Z][a-zA-Z\-\_]*[a-zA-Z]|[a-zA-Z]

这使用|（或）运算符来确保它匹配两件事之一。第一个是[a-zA-Z][a-zA-Z\-\_]*[a-zA-Z]。这可以确保它以允许的起始字符（[a-zA-Z]）开头。然后它允许任意数量的允许字符（[a-zA-Z\-\_]*），然后确保它以允许的结束字符（[a-zA-Z]）结束。

|之后的部分是确保它匹配单字符标记。