我有一个预定义的字符串列表,我想在一个大的文本文件中匹配。问题是,文本中确实存在许多这样的字符串,但是被我想要保留的伪字符/htmlxml标记打断。在
例如,我想匹配“联合国总部” 它可以以以下形式存在于文本中:
United Nations & Headquarters
United <br> Nations Headquarters
United Natio<b>ns Hea</b>dquarters
我基本上需要知道这些字符串的位置,稍后我将处理这些伪字符。对于非中断字符串,我要做的是:
^{pr2}$有没有一些设置可以让正则表达式以某种方式忽略这些中断,或者解决方案是什么?在
有两个解决方案可以避免灾难性的回溯和允许任何数量的中断!
解决方案A
这是最干净的解决方案,但需要regex模块(win二进制文件here)。它使用原子分组,
(?>...)
,以避免回溯:解决方案B
如果您既没有安装也不想安装regex模块,那么re可以用来模拟原子分组。但是,搜索字符串现在限制为最多100个字符:
^{pr2}$注意:正如femtoRgon所指出的,这两种方法都会返回假阳性。在
关键是},将其转换为正则表达式。在
".*?".join(s)
,它在s
的每对连续字符之间插入{如果您想限制允许的中断,您可能更愿意将
.*?
收紧一点。在相关问题 更多 >
编程相关推荐