正则表达式：指定“空格或字符串开头”和“空格或字符串结尾”

Posted 2023-03-28

【中文标题】正则表达式：指定“空格或字符串开头”和“空格或字符串结尾”

【英文标题】：Regex: Specify "space or start of string" and "space or end of string"

【发布时间】：2021-07-04 20:33:55

【问题描述】：

假设您正在尝试模式匹配“***”。

您想要以下内容：

 this is *** and it rocks [MATCH]

 *** is the best [MATCH]

 i love *** [MATCH]

 typo*** rules [NO MATCH]

 i love ***typo [NO MATCH]

如果 *** 在两个站点上都有空格，我知道如何解析：

/\s(***)\s/

如果它位于字符串的开头或结尾，则相同：

/^(***)\s/

/\s(***)$/

但是如何使用正则表达式指定“空格或字符串结尾”和“空格或字符串开头”？

【参考方案1】：

您可以使用以下任何一种：

\b      #A word break and will work for both spaces and end of lines.
(^|\s)  #the | means or. () is a capturing group. 


/\b(***)\b/

另外，如果您不想在匹配中包含空格，可以使用lookbehind/aheads。

(?<=\s|^)         #to look behind the match
(***)   #the string you want. () optional
(?=\s|$)          #to look ahead.

【讨论】：

\b 是一个零宽度断言；它从不消耗任何字符。无需将其包装在环视中。

请注意，在大多数正则表达式实现中，\b仅是标准 ASCII，也就是说，不支持 unicode。如果您需要匹配 unicode 单词，您别无选择，只能使用它：***.com/a/6713327/1329367

从匹配中排除组选择的更简单方法是(?:^|\s)

对于 python，将 (?<=\s|^) 替换为 (?:(?<=\s)|(?<=^))。否则，你会得到error: look-behind requires fixed-width pattern

\b 会考虑其他字符——例如“.”作为分词符，而提问者特别说的是“空格”。 @gordy 的解决方案似乎更好。

【参考方案2】：

(^|\s) 将匹配空格或字符串开头，($|\s) 将匹配空格或字符串结尾。合起来就是：

(^|\s)***($|\s)

【讨论】：

这是唯一适合我的。谢谢@gordy

如果你使用这个模式替换，记得通过替换模式$1string$2来保留替换结果中的空格。

这也是唯一对我有用的。单词边界似乎从来没有做我想要的。一方面，它们匹配除空格之外的一些字符（如破折号）。这为我解决了这个问题，因为我一直试图将 $ 和 ^ 放入字符类中，但这表明它们可以放入常规模式组中。

这很好用，但如果您对捕获空间不感兴趣，请使用：(?:^|\s)***(?:$|\s)

【参考方案3】：

这是我会使用的：

 (?<!\S)***(?!\S)

换句话说，如果“***”前面没有非空白字符且后面没有非空白字符，则匹配“***”。

这比“空格或锚点”方法更简洁 (IMO)，并且它不像 \b 方法那样假设字符串以单词字符开头和结尾。

【讨论】：

很好地解释了为什么要使用它。我会选择这个，但是被测试的字符串总是一行。

@LawrenceDol，你是说(?<=\S)...(?=\S)吗？请注意，大写的\S 匹配任何不是空格的字符。因此，如果那里有空格字符，或者根本没有字符，则否定的环视将匹配。

【参考方案4】：

\b 匹配单词边界（实际上不匹配任何字符），所以下面应该做你想要的：

\b***\b

【讨论】：

对于 Python，将其指定为 raw string 会有所帮助，例如mystr = r'\bstack overflow\b'