印尼笑声的正则表达式模式（WKWK）

Question

我有一个名为test_text的字符串，其中包含testcase的单词：

wk wkw wkk kwk kkw wkwk kwkw wkkw kwkk kwkwk wkwkwk wkwoowkwko www k kkk wkwkland

使用正则表达式，我想匹配所有被认为是印度尼西亚语的单词：

wk wkw wkk kwk kkw wkwk kwkw wkkw kwkk kwkwk wkwkwk

和排除（不限于）

wkwoowkwko www k kkk wkwkland

对于这个范围，我假设笑词是任何只包含字母w和k的词，每个字母至少包含一个

我试过：

import re 
re.findall("(k*w+k+w*k*)+\s", test_text)
re.findall("k?(?:w{0,2}k{0,2}w{1,2})+k\s?", test_text)
re.findall("w*[Ww]\w*k+\s", test_text)

但似乎没有什么能与所有测试用例相匹配

Answer 1

>>> s = 'wk wkw wkk kwk kkw wkwk kwkw wkkw kwkk kwkwk wkwkwk wkwoowkwko www k kkk wkwkland'
>>> re.findall(r'\b[wk]*(?:wk|kw)[wk]*\b', s)
['wk', 'wkw', 'wkk', 'kwk', 'kkw', 'wkwk', 'kwkw', 'wkkw', 'kwkk', 'kwkwk', 'wkwkwk']

• \b以确保仅匹配整个单词
• (?:wk|kw)以确保匹配字中至少有一个kw或wk
  • 非捕获组用于避免findall只提供捕获组内匹配的文本
• [wk]*以获取其余字符

Answer 2

我使用列表理解来暂时解决这个问题，假设笑词只包含w和k：

[word for word in test_case.split() if (set(word) == set('wk'))]

Answer 3

另一种选择是使用正向前瞻来为其中一个断言，并确保匹配另一个

\b(?=[wk]*w)w*k[wk]*\b

解释

• \b字边界
• (?=[wk]*w)在右边断言一个w字符
• w*k匹配0+次aw，然后确保匹配ak
• [wk]*匹配0+次w或k
• \b字边界

Regex demoPython demo

比如说

import re

regex = r"\b(?=[wk]*w)w*k[wk]*\b"
test_str = "wk wkw wkk kwk kkw wkwk kwkw wkkw kwkk kwkwk wkwkwk wkwoowkwko www k kkk wkwkland"
print(re.findall(regex, test_str))

输出

['wk', 'wkw', 'wkk', 'kwk', 'kkw', 'wkwk', 'kwkw', 'wkkw', 'kwkk', 'kwkwk', 'wkwkwk']