如何用空格匹配、计数和替换字符串，但它们不是另一个字母字符串的子字符串？

Posted 2023-02-22

【中文标题】如何用空格匹配、计数和替换字符串，但它们不是另一个字母字符串的子字符串？

【英文标题】：How to match, count and replace string with spaces but which are not substring of another alphabetic string?

【发布时间】：2021-12-16 16:18:04

【问题描述】：

我必须在另一个 string s2 中获取特定 string s1 的总数。其中s1 可以包含空格。但我必须确保s1 是独立的，或者是带有emoji、emoticon 或symbol 的子字符串。但不是带有任何 alphabetic 字符的子字符串。以下是一些例子：

假设我们要匹配一个字符串bad word：

以下是应该匹配的情况：

bad word
This is a bad word.
This are bad word bad word.
This is a bad word also.
This are bad word bad word as well.
bad word:(
bad word????
bad word bad word????????

等等

以下是我们不应该匹配的情况：

This isbad word
bad wordsdsdsd
bad wordbad word

等等

即bad word 应该在它是独立的或作为带有任何emoticon 或emoji 的子字符串时匹配，但不能作为带有任何alphabetic 字符的子字符串。

请注意，字母也可以来自其他语言。

【参考方案1】：

我认为您只想匹配\bbad word\b，并在文本周围加上单词边界：

# -*- coding: utf-8 -*-
import re

inp = ['bad word', 'This is a bad word.', 'This is a bad word also.', 'bad word:(', 'bad word?', 'This isbad word', 'bad wordsdsdsd']
for w in inp:
    if re.search(r'\bbad word\b', w):
        print("MATCH: " + w)
    else:
        print("NO MATCH: " + w)

打印出来：

MATCH: bad word
MATCH: This is a bad word.
MATCH: This is a bad word also.
MATCH: bad word:(
MATCH: bad word?
NO MATCH: This isbad word
NO MATCH: bad wordsdsdsd

【讨论】：

对于某些输入 inp，请使用：len(re.findall(r'\bbad word\b', inp)) ...您提供的示例数据仅包含单个匹配项。

问题已更新。而且我也需要替换它，因为如果某些输入是 These are bad bad word 并且我们分别找到 bad 和 bad word ，那么它们中的两个应该匹配（我自己处理这种情况，首先匹配较大的并替换它）。因此，匹配bad word 后，计数为1，输入为This are bad ，之后匹配bad，计数为2，输入为These are （替换后)。

我上面的评论向您展示了如何获得计数。我不会更新我的答案，因为您的新样本数据只有正面案例，所以它并没有像我上面所说的那样理解这一点。

@hafiz031 但是here is a demo 如果您想查看更新的数据。

对于非英语使用这个版本：re.findall(r'(?<!\S)কথা(?!\S)', "কথা") ...顺便说一句，这不是你上面问的，也不是回答的。我强烈建议您停止更改您的问题。