根据周围的标点符号过滤掉单词
Filter out words depending on surrounding punctuation
Objective:
我正在寻找一种根据单词是否被引号 ' '、guillemets « » 或圆括号 ( ) 包围来匹配或跳过单词的方法。
期望结果示例：
len(re.findall("my word", "blablabla 'my word' blablabla")) 应该 return 0 因为从语言上讲 my word =/= 'my word' 因此不应该匹配；
len(re.findall("'my word'", "blablabla 'my word' blablabla")) 应该 return 1 因为从语言上讲 'my word' = 'my word' 因此应该匹配;
但问题是——len(re.findall("my word", "blablabla «my word» blablabla")) 和 len(re.findall("my word", "blablabla (my word) blablabla")) 都应该 return 1.
我的尝试：
我有以下表达式（如果我错了请纠正我）但我不知道如何实现它：(?<!\w)'[^ ].*?\w*?[^ ]'
我想编写以下代码 len(re.findall(r'(?<!\w)'+re.escape(myword)+r'(?!\w)', sentence))——我认为其目的是去除标点符号——考虑到上述所有情况。
目前，我的代码检测到 'my word' 内部的 my word，这不是我想要的。
提前致谢！
我认为其中一种策略是使用 negative look-ahead 功能：
my_word = "word"
r"(?!'" + my_word + "')[^']" + "my_word"
这应该可以完成工作 check here。
由于否定先行不消耗字符，为了防止匹配，您需要使用 [^'] 以确保引号 ' 不是 my_word 之前的允许字符. ^ 开始枚举字符正是这个意思。
如果您想扩展引号列表，使该单词不被计入已找到的单词，只需将 ' 更改为不允许的字符列表：
r"(?!['`]" + my_word + "['`])[^'`]my_word"
值得注意的是，@Prasanna 问题中的示例将无法使用正则表达式进行匹配。您需要使用适当的解析器 - 例如pyparsing - 处理这种情况，因为正则表达式无法处理需要两个任意字符数才能匹配的匹配（例如，任意数量的 'a' 后跟相同数量的 'b'字母）并且不可能创建具有先行处理 n 个单词然后 myword 并同时跳过 的通用正则表达式n 个单词，如果它们前面有引号）。
Objective:
我正在寻找一种根据单词是否被引号 ' '、guillemets « » 或圆括号 ( ) 包围来匹配或跳过单词的方法。
期望结果示例：
len(re.findall("my word", "blablabla 'my word' blablabla"))应该 return0因为从语言上讲my word=/='my word'因此不应该匹配；len(re.findall("'my word'", "blablabla 'my word' blablabla"))应该 return1因为从语言上讲'my word'='my word'因此应该匹配;但问题是——
len(re.findall("my word", "blablabla «my word» blablabla"))和len(re.findall("my word", "blablabla (my word) blablabla"))都应该 return1.
我的尝试：
我有以下表达式（如果我错了请纠正我）但我不知道如何实现它：(?<!\w)'[^ ].*?\w*?[^ ]'
我想编写以下代码 len(re.findall(r'(?<!\w)'+re.escape(myword)+r'(?!\w)', sentence))——我认为其目的是去除标点符号——考虑到上述所有情况。
目前，我的代码检测到 'my word' 内部的 my word，这不是我想要的。
提前致谢！
我认为其中一种策略是使用 negative look-ahead 功能：
my_word = "word"
r"(?!'" + my_word + "')[^']" + "my_word"
这应该可以完成工作 check here。
由于否定先行不消耗字符，为了防止匹配，您需要使用 [^'] 以确保引号 ' 不是 my_word 之前的允许字符. ^ 开始枚举字符正是这个意思。
如果您想扩展引号列表，使该单词不被计入已找到的单词，只需将 ' 更改为不允许的字符列表：
r"(?!['`]" + my_word + "['`])[^'`]my_word"
值得注意的是，@Prasanna 问题中的示例将无法使用正则表达式进行匹配。您需要使用适当的解析器 - 例如pyparsing - 处理这种情况，因为正则表达式无法处理需要两个任意字符数才能匹配的匹配（例如，任意数量的 'a' 后跟相同数量的 'b'字母）并且不可能创建具有先行处理 n 个单词然后 myword 并同时跳过 的通用正则表达式n 个单词，如果它们前面有引号）。