如何在Python中使用正则表达式排除特定字符串？

Question

我想要匹配像这样的字符串：

45 meters?
45, meters?
45?
45 ?

但不想匹配像这样的字符串：

45 meters you?
45 you  ?
45, and you?

在这两种情况下，问号必须在字符串的最后。所以，基本上我想排除所有包含“you”这个词的字符串。

我试过以下的正则表达式：

'\d+.*(?!you)\?$'

但它却匹配了第二种情况（可能是因为 .* 的原因）。

Answer 1

有一个很不错的技巧可以用来在正则表达式中排除一些匹配项，你可以在这里使用：

>>> import re
>>> corpus = """
... 45 meters?
... 45?
... 45 ?
... 45 meters you?
... 45 you  ?
... 45, and you?
... """
>>> pattern = re.compile(r"\d+[^?]*you|(\d+[^?]*\?)")
>>> re.findall(pattern, corpus)
['45 meters?', '45?', '45 ?', '', '', '']

不过，这个方法的一个缺点是，当排除条件生效时，会出现空匹配，但这些空匹配很容易过滤掉：

>>> filter(None, re.findall(pattern, corpus))
['45 meters?', '45?', '45 ?']

它是怎么工作的：

这个技巧的关键在于我们只关注捕获的组……所以在选择的左边部分 - \d+[^?]*you（也就是“数字后面跟着非问号的字符，再后面是‘you’”）匹配的是你不想要的内容，然后我们就把它忘掉。只有当左边的部分不匹配时，右边的部分 - (\d+[^?]*\?)（也就是“数字后面跟着非问号的字符，再后面是问号”）才会被匹配，并且这个部分会被捕获。

Answer 2

你可以试试这个正则表达式，它可以匹配所有不以字符串 you 和 ? 结尾的行。

^(?!.*you).*\?$

解释：

这个正则表达式使用了一个叫做“负向前瞻”的技巧。简单来说，它的意思是检查哪些行包含字符串 you。它会匹配所有不包含字符串 you 的行。

演示