可選匹配線

Question

我想在Python中創建匹配一個＃哈希標籤正則表達式的開始。我的主題標籤的定義是：

• 這是一個#
• 啓動時，它可以包含除[ ,\.]
• 所有字符它可以在文本的任何地方

所以在工作中，本文

#This string cont#ains #four, and #only four #hashtags. 

的哈希這裏This，four，only和hashtags。

我的問題是行的開頭可選檢查。

• [ \.,]+不會做它，因爲它不會匹配可選的開始。因爲它匹配太多
• [ \.,]?不會去做。

實施例與+

In []: re.findall('[ \.,]+#([^ \.,]+)', '#This string cont#ains #four, and #only four #hashtags.') 
Out[]: ['four', 'only', 'hashtags'] 

用實施例？

In []: re.findall('[ \.,]?#([^ \.,]+)', '#This string cont#ains #four, and #only four #hashtags.') 
Out[]: ['This', 'ains', 'four', 'only', 'hashtags'] 

如何才能選購匹配行的開始？

Answer 1

這似乎工作：

>>> re.findall(r'\B#([^,\W]+)', '#This string cont#ains #four, and #only four #hashtags.') 
['This', 'four', 'only', 'hashtags'] 

• \B：匹配空字符串，但只有當它是不是在一個單詞的開頭或結尾。這意味着r'py\B'匹配'python','py3','py2'，但不是'py','py.'或'py!'。 \B只是\b相反，因此也受到的LOCALE和UNICODE設置。
• \W：當未指定LOCALE和UNICODE標誌，匹配任何非字母數字字符;這相當於設置[^a-zA-Z0-9_]。通過LOCALE，它將匹配不在集合[0-9_]中的任何字符，並且不會將其定義爲當前語言環境的字母數字。如果UNICODE設置，這將匹配比歸爲在Unicode字符屬性數據庫非字母數字字符[0-9_]加字符以外的任何其他。

Answer 2

您正則表達式之前，你可以告訴你不想要的東西。

(?<!\w)(#[^ \.,]+) 

隨着負回顧後，你可以做到這一點