我正在try 编写一个Python正则表达式模式，它将允许我捕获给定文本中字母由相同符号或空格分隔的单词.
例如，在文本"This is s u p e r and s.u.p.e.r and s?u?p?e?r and s!u.p!e.r"中，我的目标是提取单词"s u p e r"、"s.u.p.e.r"和s?u?p?e?r.但是，我想排除"s!u.p!e.r"，因为它在单词中没有相同的一致分隔符.
我目前正在使用以下内容:
x="This is s u p e r and s.u.p.e.r and s?u?p?e?r and s!u.p!e.r"
pattern = r"(?:\b\w[^\w\d]){2,}"
re.findall(pattern, x)
['s u p e r ', 's.u.p.e.r ', 's?u?p?e?r ', 's!u.p!e.']
我只是好奇是否有可能排除那些没有相同符号的 case .
您可以考虑使用
pattern = r"(?<!\S)\w(?=(\W))(?:\1\w)+(?!\S)"
results = [m.group() for m in re.finditer(pattern, x)]
import re
x="This is s u p e r and s.u.p.e.r and s?u?p?e?r and s!u.p!e.r"
pattern = r"(?<!\S)\w(?=(\W))(?:\1\w)+(?!\S)"
print([m.group() for m in re.finditer(pattern, x)])
# => ['s u p e r', 's.u.p.e.r', 's?u?p?e?r']
Pattern details个
(?<!\S)-左侧空格边界\w-一个单词字符(?=(\W))--需要下一个字符才能将非单词字符捕获到组1中的积极前瞻(\1)(?:\1\w)+-在组1中捕获的相同字符的一个或多个重复，然后是单个单词字符(?!\S)-右侧空白边界