python regex中的多个否定lookbehind断言？

Question

我是编程新手，抱歉，如果这看起来微不足道：我有一个文本，我试图分裂成使用正则表达式的单个句子。使用.split方法，我搜索一个点，后跟一个大写字母

"\. A-Z"

但是，我需要通过以下方式完善这个规则：点不可以由Abs或S来处理。如果它后面跟一个大写字母（A-Z），如果它是一个月名，比如January | February | March，它应该仍然不匹配。

我试着实现上半场，但即使这样也没用。我的代码是：

"( (?<!Abs)\. A-Z) | (?<!S)\. A-Z) ) "

Answer 1

使用nltk或@root建议的类似工具。

要回答您的regex问题：

import re
import sys

print re.split(r"(?<!Abs)(?<!S)\.\s+(?!January|February|March)(?=[A-Z])",
               sys.stdin.read())

输入

First. Second. January. Third. Abs. Forth. S. Fifth.
S. Sixth. ABs. Eighth

Output

['First', 'Second. January', 'Third', 'Abs. Forth', 'S. Fifth',
 'S. Sixth', 'ABs', 'Eighth']

Answer 2

我在标题中添加了这个问题的简短答案，因为这是谷歌搜索结果的顶部：

有多个不同长度的负面表情的方法是这样将它们连在一起：

"(?<!1)(?<!12)(?<!123)example"

Answer 3

首先，我认为您可能需要用\s+替换空间，或者\s替换它，如果它确实是一个空间（在英文文本中经常会发现双空格）。

其次，要匹配一个大写字母，您必须使用[A-Z]，但是A-Z不起作用（但请记住，除了A-Z…，可能还有其他大写字母）。

另外，我想我知道为什么这不起作用。如果正则表达式引擎前面没有Abs或S，则它将尝试匹配\. [A-Z]。问题是，如果它由一个S前置，那么它是而不是由Abs前置，所以第一个模式匹配。如果它是由Abs前置的，那么它是由S前置的而不是前置的，所以第二个模式版本匹配。无论哪种方式，其中一种模式都将匹配，因为Abs和S是互斥的。

你问题的第一部分可能是

(?<!Abs)(?<!S)(\. [A-Z])

或者

(?<!Abs)(?<!S)(\.\s+[A-Z])

（根据我的建议）

那是因为你必须避免|，没有它，现在的表达式是不受Abs的影响，而不受S的影响。如果两者都是真的，模式匹配器将继续扫描字符串并找到匹配项。

要排除我想出的月份名称，请执行以下正则表达式：

(?<!Abs)(?<!S)(\.\s+)(?!January|February|March)[A-Z]

同样的论点也适用于消极的前瞻模式。