微调Python正则表达式模糊匹配

Question

我正在使用Python的一个正则表达式库（不是标准的re库）来进行模糊匹配，但在调整过滤器方面遇到了一些困难，这些过滤器限制了错误类型和允许的字符。我有一个术语列表，想要在多个文本文件中找到匹配项，同时允许在单词中插入任意数量的下划线。例如，我希望“foobar”能够匹配“_foobar_”、“_foo_bar_”、“f_o_o_b_a_r”等等。

这个例子返回了我想要的结果，但允许的错误类型太多了：

import regex

if m:= regex.search("(?b)\\b(?:test){e<=3}\\b", "_test_"):
    print(m)
else: print(None)

结果： <regex.Match object; span=(0, 6), match='_test_', fuzzy_counts=(0, 2, 0)>

上面例子中的“fuzzy_counts”让我觉得我可以把错误类型限制为仅插入错误，最终我希望只允许插入下划线，但在做这些更改时没有得到任何匹配：

if m:= regex.search("(?b)\\b(?:test){i:_}\\b", "_test_"):
    print(m)
else: print(None)

结果： None

if m:= regex.search("(?b)\\b(?:test){i}\\b", "_test_"):
    print(m)
else: print(None)

结果： None

让我觉得这些例子更奇怪的是，如果我在搜索的字符串两边加上空格，限制错误为仅插入下划线的过滤器就能返回预期的结果（但我不能指望文本中会有额外的字符）。

if m:= regex.search("(?b)\\b(?:test){i:_}\\b", " _test_ "):
    print(m)
else: print(None)

结果： <regex.Match object; span=(1, 7), match='_test_', fuzzy_counts=(0, 2, 0)>

有没有什么建议可以帮助我修正这个允许错误的过滤器，以便我可以在单词边界内匹配术语，同时允许插入任意数量的下划线？

Answer 1

你的代码基本上是对的，但可以试试这些修改。

import regex

pattern = r"(?b)\b_*(?:test_*){e<=3}\b"
text = "_test_"

if m := regex.search(pattern, text):
    print(m)
else:
    print(None)

我修改了样式，让“test”这个词前后可以有随机数量的下划线。这是通过在“test”前后加上 _* 来实现的。你可以参考这篇文章，里面有个不错的例子，讲的是 用Python和正则表达式。