如何在 Python 中使用正则表达式排除特定字符串？

Question

我想匹配以下字符串：

45 meters?
45, meters?
45?
45 ?

但不是像这样的字符串：

45 meters you?
45 you  ?
45, and you?

在这两种情况下，问号都必须在末尾。所以，基本上我想排除所有包含“你”这个词的字符串。

我尝试了以下正则表达式：

'\d+.*(?!you)\?$'

但它匹配第二种情况（可能是因为.*）

Answer 1

你可以试试这个正则表达式匹配所有不具备串线you与?在最后，

^(?!.*you).*\?$

解释：

在这个正则表达式中使用了负前瞻。它实际上意味着什么，它会检查包含 string 的行you。它匹配除包含字符串的行之外的所有行you。

演示

Answer 2

有一个巧妙的技巧可以从正则表达式中排除一些匹配项，您可以在此处使用：

>>> import re
>>> corpus = """
... 45 meters?
... 45?
... 45 ?
... 45 meters you?
... 45 you  ?
... 45, and you?
... """
>>> pattern = re.compile(r"\d+[^?]*you|(\d+[^?]*\?)")
>>> re.findall(pattern, corpus)
['45 meters?', '45?', '45 ?', '', '', '']

不利的一面是，当排除开始时，您会得到空匹配项，但这些匹配项很容易被过滤掉：

>>> filter(None, re.findall(pattern, corpus))
['45 meters?', '45?', '45 ?']

这个怎么运作：

诀窍是我们只关注捕获的组......所以交替的左侧 - \d+[^?]*you（或“数字后跟非？-字符后跟'你'”）匹配你不想要的，并且然后我们就忘了它。仅当左侧不匹配时，右侧 - (\d+[^?]*\?)（或“数字后跟非？-字符后跟 '?'） - 匹配，并且捕获那个。