如何从python中的部分子字符串匹配返回完整的子字符串作为列表？

Question

我有不同长度的字符串，必须检查子字符串是否匹配“tion”、“ex”、“ph”、“ost”、“ast”、“ist”模式，忽略大小写和位置，即单词的前缀/后缀/中间。匹配的单词必须在新列表中返回，而不仅仅是匹配的子字符串元素。使用下面的代码，我可以返回一个新的匹配子字符串元素列表，而不需要完整的匹配字

def latin_ish_words(text):
    import re
    pattern=re.compile(r"tion|ex|ph|ost|ast|ist")
    matches=pattern.findall(text)
    return matches
latin_ish_words("This functions as expected")

结果如下：['tion', 'ex']

我想知道如何将整个单词而不是匹配的子字符串元素返回到一个新列表中

Answer 1

对于与whitspace边界不区分大小写的匹配，您可以使用：

(?i)(?<!\S)\w*(?:tion|ex|ph|[oia]st)\w*(?!\S)

模式匹配：

• (?i)不区分大小写匹配的内联修饰符（或使用re.I）
• (?<!\S)在左侧断言空白边界
• \w*匹配可选的单词字符
• (?:非捕获组
  • tion|ex|ph|[oia]st使用字符类匹配tion{}{}或ost{}{}
• )关闭非捕获组
• \w*匹配可选的单词字符
• (?!\S)在右边声明一个空白边界

Regex demoPython demo

def latin_ish_words(text):
    import re
    pattern = r"(?i)(?<!\S)\w*(?:tion|ex|ph|[oia]st)\w*(?!\S)"
    return re.findall(pattern, text)

print(latin_ish_words("This functions as expected"))

输出

['functions', 'expected']

Answer 2

你可以用

pattern=re.compile(r"\w*?(?:tion|ex|ph|ost|ast|ist)\w*")
pattern=re.compile(r"[a-zA-Z]*?(?:tion|ex|ph|ost|ast|ist)[a-zA-Z]*")
pattern=re.compile(r"[^\W\d_]*?(?:tion|ex|ph|ost|ast|ist)[^\W\d_]*")

正则表达式（请参见the regex demo）匹配

• \w*?-零个或更多但尽可能少的单词字符
• (?:tion|ex|ph|ost|ast|ist)-字符串之一
• \w*-零个或更多但尽可能多的单词字符

[a-zA-Z]部分将只匹配ASCII字母，[^\W\d_]将匹配任何Unicode字母

注意使用带有re.findall的非捕获组，否则，捕获的子字符串也将进入输出列表

如果只需要匹配字母单词，并且需要将它们作为整个单词进行匹配，请添加word boundaries，r"\b[a-zA-Z]*?(?:tion|ex|ph|ost|ast|ist)[a-zA-Z]*\b"

见Python demo：

import re
def latin_ish_words(text):
    import re
    pattern=re.compile(r"\w*?(?:tion|ex|ph|ost|ast|ist)\w*")
    return pattern.findall(text)
 
print(latin_ish_words("This functions as expected"))
# => ['functions', 'expected']

Answer 3

忽略案例

pattern=re.compile(r"tion|ex|ph|ost|ast|ist")
matches=pattern.findall(text)

不这样做，考虑下面的例子

import re
pattern=re.compile(r"tion|ex|ph|ost|ast|ist")
text = "SCREAMING TEXT"
print(pattern.findall(text))

输出

[]

尽管应该有EX，但是应该像这样添加re.IGNORECASE标志

import re
pattern=re.compile(r"tion|ex|ph|ost|ast|ist", re.IGNORECASE)
text = "SCREAMING TEXT"
print(pattern.findall(text))

输出

['EX']