如何使用正则表达式在 Python 中匹配单词?
掌握正则表达式及其"re"模块将开启 Python 中强大的文本处理可能性世界。正则表达式(通常称为 regex)使我们能够识别、搜索和操作字符串中的特定模式。我们在工作中经常遇到的一项常见任务是使用正则表达式匹配文本中的特定单词。在本文中，我们将深入探讨在 Python 中使用正则表达式查找和匹配字符串中的单词的技巧。我们将使用几个代码示例探索这个领域，每个示例后面都有分步说明，这肯定会引导您踏上这段令人兴奋的使用正则表达式进行单词匹配的旅程。
匹配简单单词
示例
在第一个代码示例中，我们首先导入"re"模块；这个模块允许我们在 Python 中使用正则表达式。我们的目标是匹配给定文本中的单词"fox"。
为了创建正则表达式模式，我们使用 re.escape() 函数来确保单词中的任何特殊字符都被视为文字字符。如果单词包含正则表达式元字符，这对于避免意外行为至关重要。
模式 r"\b" + re.escape(word_to_match) + r"\b" 使用 \b 单词边界锚点将单词"fox"匹配为一个完整的单词。\b 锚点确保该单词不是较长单词的一部分，并且被非单词字符或字符串的开头/结尾包围。
接下来，我们利用 re.search() 函数查找文本中该单词的第一次出现。如果找到匹配项，我们将使用 match.group() 输出匹配的单词。否则，我们将打印"未找到单词"。
import re
# 示例文本
text = "敏捷的棕色狐狸跳过了懒狗。"
# 我们想要匹配的单词
word_to_match = "fox"
# 匹配单词的正则表达式模式
pattern = r"\b" + re.escape(word_to_match) + r"\b"
# 在文本中查找单词
match = re.search(pattern, text)
# 输出匹配结果
if match:
print("Word found:", match.group())
else:
print("Word not found.")
输出
Word found: fox
不区分大小写的单词匹配
示例
在此代码片段中，我们有一个提到 Python 编程语言的示例文本。我们的目标是以不区分大小写的方式匹配单词"Python"。这意味着无论文本中显示的是"Python"还是"python"，正则表达式都应该找到"Python"。
为了实现不区分大小写，我们将 re.IGNORECASE 标志用作 re.search() 函数中的第三个参数。此标志指示正则表达式引擎在搜索单词时忽略大小写。
其余代码与前面的示例类似。我们使用单词边界锚点创建正则表达式模式，并使用 re.escape() 确保单词的安全匹配。然后，我们执行搜索并相应地输出结果。
import re
# 示例文本
text = "Python 编程语言用途广泛且功能强大。"
# 我们想要匹配的单词(不区分大小写)
word_to_match = "python"
# 不区分大小写单词匹配的正则表达式模式
pattern = r"\b" + re.escape(word_to_match) + r"\b"
# 在文本中查找单词(不区分大小写)
match = re.search(pattern, text, re.IGNORECASE)
# 输出匹配项
if match:
print("找到单词:", match.group())
else:
print("未找到单词。")
输出
找到单词:Python
匹配拼写不同的单词
示例
在此当前示例中，我们有一个示例文本，其中包含单词"color"和"colour"的变体拼写。我们的任务是匹配两种拼写，而不考虑大小写。
为了匹配变体拼写，我们使用 |(管道)符号创建一个正则表达式模式来表示 OR 运算符。这允许我们为单词指定替代拼写。我们还包括 re.IGNORECASE 标志以确保不区分大小写的匹配。
带有单词边界锚点的模式 r"\b(" + re.escape(word_to_match) + r")\b" 确保我们匹配整个单词，而不是部分单词。
我们使用 re.findall() 查找文本中所有出现的变体拼写，并将匹配项存储在 matches 变量中。最后，我们输出匹配的单词，并用逗号和空格将它们连接起来。
import re
# 包含单词不同拼写的示例文本
text = "Color 或 colour，您更喜欢哪一个?"
# 我们想要匹配的单词(变体拼写)
word_to_match = "color|colour"
# 匹配变体拼写的正则表达式模式
pattern = r"\b(" + re.escape(word_to_match) + r")\b"
# 在文本中查找单词
matches = re.findall(pattern, text, re.IGNORECASE)
# 输出匹配项
if matches:
print("Words found:", ", ".join(matches))
else:
print("Word not found.")
输出
Word not found.
匹配带有前缀或后缀的单词
示例
在倒数第二个示例中，我们有一个包含带有前缀或后缀的单词的示例文本。我们的目标是匹配单词"uncomplete"，无论它是否带有任何前缀或后缀。
为了实现此目的，我们在要匹配的单词的两侧使用 \w*(零个或多个单词字符)创建正则表达式模式。 re.IGNORECASE 标志确保不区分大小写匹配。
模式 r"\b\w*" + re.escape(word_to_match) + r"\w*\b" 使用单词边界锚点以及 \w* 来匹配整个单词，即使其前后有字符。
我们使用 re.findall() 查找文本中带有前缀或后缀的单词的所有出现情况，并将匹配项存储在 matches 变量中。最后，我们输出匹配的单词，并用逗号和空格将它们连接起来。
import re
# 带有前缀或后缀的单词的示例文本
text = "该项目尚未完成，但他们正在进行中。"
# 我们要匹配的带有前缀或后缀的单词
word_to_match = "uncomplete"
# 正则表达式模式匹配带有前缀或后缀的单词
pattern = r"\b\w*" + re.escape(word_to_match) + r"\w*\b"
# 在文本中查找单词
matches = re.findall(pattern, text, re.IGNORECASE)
# 输出匹配项
if matches:
print("Words found:", ", ".join(matches))
else:
print("Word not found.")
输出
Words found: uncompleted
匹配长度可变的单词
示例
在最后一个示例中，我们有一个示例文本在不同上下文中提到单词"sun"。我们的任务是匹配单词"sun"，无论其在文本中的位置或长度如何。
为了实现这一点，我们使用单词边界锚点 `\b` 创建正则表达式模式，以确保匹配整个单词。像往常一样，我们使用 `re.escape()` 安全地处理单词中的任何特殊字符，并使用 `re.IGNORECASE` 进行不区分大小写的匹配。
模式 `r"\b" + re.escape(word_to_match) + r"\b"` 将匹配单词"sun"，无论它作为完整单词出现在哪里。
我们使用 `re.findall()` 查找文本中出现的所有单词"sun"，无论它们的位置或长度如何。匹配项存储在 `matches` 变量中，我们将它们输出，用逗号和空格连接单词。
import re
# 包含不同长度单词的示例文本
text = "夏天太阳落山早，冬天太阳落山晚。"
# 我们想要匹配的单词长度可变
word_to_match = "sun"
# 正则表达式模式匹配长度可变的单词
pattern = r"\b" + re.escape(word_to_match) + r"\b"
# 在文本中查找单词
matches = re.findall(pattern, text, re.IGNORECASE)
# 输出匹配项
if matches:
print("Words found:", ", ".join(matches))
else:
print("Word not found.")
输出
Words found: sun
总之，到目前为止，您已经在本文中了解了如何利用 Python 中正则表达式的强大功能来查找和匹配字符串中的单词。正则表达式提供了一种灵活而有效的文本处理方法。此过程使您能够毫不费力地执行复杂的搜索和操作。
通过本文，您已经意识到我们探索了一些实际的代码示例，其中展示了使用正则表达式进行单词匹配的各个方面。我们学习了各种任务，例如如何匹配简单单词、进行不区分大小写的匹配、处理变体拼写、查找带有前缀或后缀的单词，甚至匹配长度可变的单词。
随着您继续练习和试验正则表达式，您将对其功能有更深入的了解。您将成为为文本处理任务制作强大模式的专家。Regex 是 Python 工具包中一个非常宝贵的工具，有了它，您一定可以应对数据分析、网页抓取、自然语言处理等领域的各种挑战。
请注意，您必须不断磨练技能并探索在项目中使用正则表达式的新方法。希望您的正则表达式之旅能引领您发现 Python 编程世界中新的和令人兴奋的可能性!
