我正在尝试确定术语是否出现在字符串中。
该术语之前和之后必须出现一个空格,并且也允许使用标准后缀。
例:
term: google
string: "I love google!!! "
result: found
term: dog
string: "I love dogs "
result: found
我正在尝试以下代码:
regexPart1 = "\s"
regexPart2 = "(?:s|'s|!+|,|.|;|:|\(|\)|\"|\?+)?\s"
p = re.compile(regexPart1 + term + regexPart2 , re.IGNORECASE)
并得到错误:
raise error("multiple repeat")
sre_constants.error: multiple repeat
更新
失败的Real代码:
term = 'lg incite" OR author:"http++www.dealitem.com" OR "for sale'
regexPart1 = r"\s"
regexPart2 = r"(?:s|'s|!+|,|.|;|:|\(|\)|\"|\?+)?\s"
p = re.compile(regexPart1 + term + regexPart2 , re.IGNORECASE)
另一方面,以下内容term
顺利通过(+
代替++
)
term = 'lg incite" OR author:"http+www.dealitem.com" OR "for sale'
问题在于,在非原始字符串中\"
为"
。
你幸运与所有其他转义backslashes-的\s
是一样的\\s
,没有s
;
\(
与\\(
,not(
等等相同。但是,您绝不应该依赖幸运,或者假设您完全了解Python转义序列的整个列表。
要么打印出字符串,然后转义丢失的反斜杠(坏),转义 所有 的反斜杠(确定),或者仅使用原始字符串(最佳)。
话虽如此,您发布的regexp不会与它应该匹配的某些表达式匹配,但是它永远不会引发该"multiple repeat"
错误。显然,您的实际代码与您显示给我们的代码不同,并且不可能调试我们看不到的代码。
既然您已经展示了一个真实的可重现测试用例,那就是一个 单独的 问题。
您正在搜索可能包含特殊正则表达式字符的术语,例如:
term = 'lg incite" OR author:"http++www.dealitem.com" OR "for sale'
这p++
在正则表达式来中间的“1以上的1个或多个字母P的”(在其他情况下,同为“1个或多个字母P的”),在一些正则表达式语言,“总是失败”的人,并在其他情况下“引发例外”。Pythonre
属于最后一组。实际上,您可以单独进行测试:
>>> re.compile('p++')
error: multiple repeat
如果要将随机字符串放入正则表达式中,则需要调用re.escape
它们。
另一个问题(由于Ωmega):
.
regexp中的“任何字符”。因此,,|.|;|:"
(我刚刚提取了较长的替换链的一小段)意味着“逗号,任何字符,分号或冒号”……与“任何字符”相同。您可能想逃脱.
。
将所有三个修复程序放在一起:
term = 'lg incite" OR author:"http++www.dealitem.com" OR "for sale'
regexPart1 = r"\s"
regexPart2 = r"(?:s|'s|!+|,|\.|;|:|\(|\)|\"|\?+)?\s"
p = re.compile(regexPart1 + re.escape(term) + regexPart2 , re.IGNORECASE)
正如Ωmega在评论中所指出的那样,如果它们都是一个字符长,则不需要使用一系列替换。角色类也会做得更好,更简洁,更易读。
而且我敢肯定,还有其他方法可以改善这一点。