Python 正则表达式 搜索中间有非字母字符的单词

Question

我需要找到在字符串中出现字母a-z的小写单词的索引。但是，字符串中可能有一堆非字母字符。

例如，单词“don't”跨越短语“don't that”中的索引 [0， 5）。

我四处搜索匹配非字母字符的方法，并使用以下正则表达式实现了这一点：

>>> import re
>>> pattern = re.compile("d[^a-z]*o[^a-z]*n[^a-z]*t[^a-z]*")
>>> test = "don't"
>>> pattern.search(test).start()
0
>>> pattern.search(test).end()
5
>>> test = "d'o&&&&&n't"
>>> pattern.search(test).start()
0
>>> pattern.search(test).end()
11
>>>

有没有更简洁的方法来表达这个正则表达式？或者，我必须编写代码在要搜索的每个单词的每个字符之间插入[^a-z]*？

对不起，如果这个问题已经存在-我不知道如何准确表达这个问题。谢谢你的帮助。

Answer 1

试试这个：

pattern = re.compile("[^\w']|don't")

Answer 2

是的，如果这真的是你的意图，你必须按照你表现的方式去做。

正则表达式只匹配特定字符或字符类型的后续序列。它不知道您需要匹配< code>d

Answer 3

您可以匹配像这样的每个小写单词，在非捕获组下使用重复：

(?:[a-z][^a-z]*)+

或者，您可以为每个给定的单词自动执行这个正则表达式:

>>> word = 'dont'
>>> regex = ''.join(x + '[^a-z]*' for x in word)
>>> regex
'd[^a-z]*o[^a-z]*n[^a-z]*t[^a-z]*'