正则表达式 (^|[^A-Za-z0-9])Trump([^A-Za-z0-9]|$) 含义

Posted 2023-03-12

【中文标题】正则表达式 (^|[^A-Za-z0-9])Trump([^A-Za-z0-9]|$) 含义

【英文标题】：Regular expression (^|[^A-Za-z0-9])Trump([^A-Za-z0-9]|$) meaning

【发布时间】：2021-11-09 18:34:47

【问题描述】：

给定来自this link 的推文数据集，其中有一个content 列，如下所示：

我希望增加一个新的专栏来确定这条推文是否提到了特朗普。正则表达式模式(^|[^A-Za-z0-9])Trump([^A-Za-z0-9]|$) 似乎可行，但我不太了解。我已经用下面的代码进行了测试：

Test1 给出匹配后的输出：

txt1 = "anti-Trump protesters"
re.search("(^|[^A-Za-z0-9])Trump([^A-Za-z0-9]|$)", txt1)

输出：

<_sre.SRE_Match object; span=(4, 11), match='-Trump '>

Test2 返回 None，因为它没有按预期匹配：

txt2 = 'I got Trumped'
re.search("(^|[^A-Za-z0-9])Trump([^A-Za-z0-9]|$)", txt2)

有人可以帮助解释一下这种模式。非常感谢。

【问题讨论】：

您可以查看 regex101 以获取解释：右上角的regex101.com/r/CfhDAe/1，以及一些regex graph 以了解发生了什么

这些链接真的很有帮助，谢谢分享。

这匹配任何包含 Trump 且前后有非字母数字字符的内容

【参考方案1】：

(^|[^A-Za-z0-9]) 部分有|，意思是“或”。左侧，^，是字符串的开头。右侧 [^A-Za-z0-9] 匹配任何不是字母或数字的字符。简而言之，当“Trump”位于字符串的开头或前面有非字母数字字符时，它匹配。

([^A-Za-z0-9]|$) 遵循类似的模式，其中左侧匹配任何不是字母或数字的字符。右侧，$ 匹配字符串的结尾。同样，当“Trump”位于字符串末尾或后跟非字母数字字符时匹配。

因此，最重要的是，它匹配位于字符串开头或前面有任何非字母数字字符的“Trump”，以及匹配如果它也是字符串结尾或后面的字符由非字母数字字符。

【讨论】：

非常清晰详细的解释，非常感谢。