在句子中查找单词的开始和结束偏移量（后面跟着多个标点符号）

Question

text = 'how much are you pledging to spend on education?!'

p = re.compile('education?!')

print p.search(text)

None

但为什么呢？一个单词后面有多个标点符号，这让搜索变得不起作用，这有什么特别之处？？我不明白：（

Answer 1

?是regex中的一个特殊字符，意思是“可选地匹配前面的规则”。在本例中，它可以选择匹配“n”，这很好，但是下一个字符应该是“！”。在

相反，请避开“？”在正则表达式中。现在匹配“？”而不是扮演一个特殊的角色。在

p = re.compile('education\?!')

docs on the ^{} module解释了这一点。在

Answer 2

既然您似乎不了解正则表达式，因此不太可能真正想要/需要它们，我可以建议您这样做吗？在

>>> text = 'how much are you pledging to spend on education?!'
>>> needle = 'education?!'
>>> start = text.index(needle)
>>> end = start + len(needle)
>>> start, end
(38, 49)

但我真正想知道的是你为什么要开始和结束索引。例如，如果您希望它们替换子字符串，有一种更好的方法：

^{pr2}$

Answer 3

如果您有想要逐字匹配的元字符，您应该使用re.escape来帮助您通过在所有非字母数字前面加一个\来对它们进行转义：

>>> text = 'how much are you pledging to spend on education?!'
>>> pat=re.escape(r'education?!')
>>> pat
'education\\?\\!'
>>> p=re.compile(pat)
>>> p.search(text)
<_sre.SRE_Match object; span=(38, 49), match='education?!'>

这允许您转义未知元字符：

^{pr2}$

关于python3.4re上的backslash plague有一个很好的讨论HOWTO

---

根据评论：

>>> m=p.search(text)
>>> m.span()
(38, 49)
>>> text[38:49]
'education?!'
>>> text[slice(*m.span())]
'education?!'