如何使用正则表达式匹配 Python 中的非单词字符?
Python 中的正则表达式模块为 Python 中的字符串模式匹配提供了一个强大的工具。正则表达式，也称为 regex，使我们能够根据指定的模式搜索、提取和操作文本。文本处理中的一项常规和常见任务是识别非单词字符；这些包括符号、标点符号和空格。在本文中，我们将探讨在 Python 中使用正则表达式识别和匹配这些非单词字符的各种方法。我们将举几个代码示例，每个示例后面都有分步说明，以指导您完成在字符串中查找非单词字符的过程。
匹配单个非单词字符
示例
在第一个示例中，我们首先导入"re"模块；该模块为 Python 中的正则表达式提供支持。考虑一个名为 text 的示例字符串，其中包含句子"Hello! How are you?"。我们的目标是找到此字符串中的所有非单词字符。
正则表达式 r"\W" 用于匹配非单词字符。\W 模式是一种简写字符类，可匹配任何非字母数字字符(即不是字母、数字或下划线)。它包括符号、标点符号和空格。
然后我们使用 re.findall() 函数在文本字符串中搜索该模式的所有出现情况。findall() 函数返回找到的所有匹配项的列表。
import re # 示例字符串 text = "Hello! How are you!" # 正则表达式匹配非单词字符 pattern = r"\W" # 查找字符串中的所有非单词字符 matches = re.findall(pattern, text) # 输出匹配项 print(matches)
输出
['!', ' ', ' ', '?']
结果是一个列表，其中包含匹配的非单词字符:"!"、三个空格和"?"。
匹配多个非单词字符
示例
在此代码示例中，我们采用一个名为 text 的示例字符串，其中包含句子"Regex is super-duper amazing!!!"。我们现在的任务是找到字符串中所有连续的非单词字符序列。
这里使用正则表达式 r"\W+"。正如我们之前所了解的，\W 模式匹配单个非单词字符。+ 量词表示我们想要匹配前一个模式的一个或多个出现。因此，此表达式将匹配任何一个或多个非单词字符的序列。
我们像以前一样使用 re.findall() 函数来查找文本字符串中模式的所有出现。该函数将返回所有匹配序列的列表。
import re # 示例字符串 text = "Regex is super-duper amazing!!!" # 正则表达式匹配多个非单词字符 pattern = r"\W+" # 查找字符串中的所有非单词字符序列 matches = re.findall(pattern, text) # 输出匹配项 print(matches)
输出
[' ', ' ', '-', ' ', '!!!']
结果是一个包含匹配的非单词字符序列的列表:一个空格、两个连字符和三个感叹号。
匹配非单词字符(不包括空格)
示例
在第三个示例中，我们有一个示例字符串文本，其中包含句子"让我们保持简单。" 现在我们的目标是找到字符串中除空格之外的所有非单词字符。
正则表达式 r"[^\w\s]" 用于此目的。让我们一步一步地分解:
\w 匹配任何字母数字字符(字母、数字和下划线)。
\s 匹配任何空白字符(空格、制表符、换行符等)。
模式开头的 ^ 符号否定了表达式，因此 [^\w\s] 匹配任何非字母数字字符或空白字符，有效地排除了空格。
和以前一样，我们使用 re.findall() 函数在文本字符串中查找模式的所有出现位置，它将返回所有匹配的非单词字符的列表，但不包括空格。
import re # 示例字符串 text = "Let's keep it simple." # 正则表达式匹配非单词字符(空格除外) pattern = r"[^\w\s]" # 查找字符串中的所有非单词字符(空格除外) matches = re.findall(pattern, text) # 输出匹配项 print(matches)
输出
["'", '.']
结果是一个包含匹配的非单词字符的列表:撇号和句号。
使用单词边界匹配非单词字符
示例
在此特定示例中，我们有一个示例字符串文本，其中包含句子"她说:'我喜欢正则表达式!'并微笑。"我们的目标是找到字符串中所有以完整单词形式出现的非单词字符。
正则表达式 r"\b\W+\b" 用于此任务。让我们一步一步来分解:
\b 表示单词边界。它匹配单词开头或结尾的空字符串(单词定义为字母数字字符和下划线的序列)。
\W+ 匹配一个或多个非单词字符。
\b\W+\b 共同确保我们仅匹配以完整单词形式出现而非作为较大单词的一部分出现的非单词字符。
\b\W+\b 共同确保我们仅匹配以完整单词形式出现而非作为较大单词的一部分出现的非单词字符。
import re # 示例字符串 text = "She said: 'I love regex!' and smiled."" # 使用单词边界匹配非单词字符的正则表达式 pattern = r"\b\W+\b" # 查找所有受单词边界限制的非单词字符 matches = re.findall(pattern, text) # 输出匹配项 print(matches)
输出
[' ', ": '", ' ', ' ', "!' ", ' ']
结果是一个包含匹配的非单词字符的列表:冒号，前后各有一个空格，撇号，前后各有一个空格，感叹号，前后各有一个空格。
使用否定查找不含非单词字符的单词
示例
在最后一个示例中，我们有一个示例字符串文本，其中包含句子"我喜欢 Python 编程!"。现在，我们想要查找字符串中不含非单词字符的所有单词。
为此目的使用了正则表达式 r"\b\w+\b"。让我们一步一步地分解:
\b 表示单词边界，如上例所示。
\w+ 匹配一个或多个字母数字字符(字母、数字和下划线)。它有效地匹配完整的单词，没有任何非单词字符。
使用 re.findall()，我们在文本字符串中查找该模式的所有出现，并返回匹配的单词列表，没有任何非单词字符。
import re # 示例字符串 text = "I enjoy Python programming!" # 正则表达式匹配不含任何非单词字符的单词 pattern = r"\b\w+\b" # 查找不含任何非单词字符的所有单词 matches = re.findall(pattern, text) # 输出匹配项 print(matches)
输出
['I', 'enjoy', 'Python', 'programming']
我们获得的结果是一个包含匹配单词的列表:"I"、"enjoy"、"Python"和"programming"。句子中的这些单词完全由字母数字字符组成，没有非单词字符。
简而言之，在本文中，我们探索了如何在 Python 中使用正则表达式来识别和匹配字符串中的非单词字符的不同方法。我们从简单的例子开始，然后继续处理更复杂的例子；我们演示了识别非单词字符的各种技术。通过使用正则表达式，可以有效地处理文本处理任务；这使得从字符串中提取相关信息变得更加容易。
正则表达式为我们提供了一种灵活而强大的文本处理方式；这使我们能够执行复杂的搜索和操作。当您熟悉正则表达式时，您会意识到它们在多个领域都非常有价值，包括文本处理、数据提取和数据验证等。
必须注意的是，使用不同的示例进行练习并尝试使用正则表达式将提高您有效使用它们的熟练程度。处理正则表达式乍一看似乎令人生畏，但随着时间和练习，您会发现自己越来越擅长制作适合您特定需求的模式。
因此，大胆尝试，探索并享受掌握 Python 中正则表达式的乐趣。在您的项目中释放文本操作的真正潜力!
