如何在python中使用正则表达式“跳过”特定单词？

Question

我正在编写一个程序，该程序以Wikipedia中的德语成语为例，并说明了该成语，其含义和所有其他信息。

例如，粗体文本应该被匹配：

** Sich wie ein Backfisch benehmen – albernbzw。Unreif sein。Zur Etymologie des WortesMädchensiehe dort的“ Backfisch”。（Sprichwort um 1900：“ Mit 14 Jahr'n und sieben Wochen ist der der Backfisch ausgekrochen。” [6]）。

基本上，该短语在破折号之后开始-在第一个句号之前结束，即仅一个句子。但是，我想跳过诸如bzw之类的缩写。，z。B.，ü。A.，等，因为它们不标记句子的结尾。

我不确定如何略过该词，但仍然匹配。而且，正如我所说，我想跳过德语中常用的缩写，例如上述斜体字。

我已经尝试过匹配以-开头和以结尾的结构。，而。不应在bzw之前。但是，我没有做到这一点。

Answer 1

使用非捕获组。看一看：

(?<=– )(?:.+)?(?:bzw\.|Z\. b\.|u\. a\.)[^\.]+

正则表达式演示 -右上角，您可以看到各个正则表达式组件的描述。

(?<=– )                    start after – character + whitespace, but not match
(?:.+)?                    add any text before abbreviation into non-capturing group.
(?:bzw\.|Z\. b\.|u\. a\.)  add abbreviations into non-capturing group. Escape the dots via \. 
[^\.]+                     match anything until fullstop

本质上，这个想法是从-字符+空格开始的，但不匹配它。然后捕获以下所有文本，缩写并捕获到第一个点.，但不捕获缩写组（请注意?:）。由于缩写点是非捕获组的一部分，因此我们“跳过”它并继续到句末的点为止。您可以通过|符号添加更多缩写来扩展缩写列表。

奖金：

如果您预计不会总是从–序列开始，则可以执行以下操作：

(?:– |: )((?:.+)?(?:bzw\.|Z\. b\.|u\. a\.)[^\.]+)

例如，这将使正则表达式也可以处理:字符而不是–，但是您需要将结果作为组1进行检索。

正则表达式演示