正则表达式匹配以连字符结尾或开头的单词答案

【问题标题】：Regex to match word ending OR beginning with a hyphen正则表达式匹配以连字符结尾或开头的单词
【发布时间】：2021-10-18 12:17:19
【问题描述】：

我正在尝试创建一个正则表达式，它会删除以连字符开头或结尾的任何单词（不是两者）。

word1- -> 移除 -word2 -> 删除 sub-word ->保持

我的尝试如下：

def begin_end_hyphen_removal(line):
    return re.sub(r"((\s+|^)(-[A-Za-z]+)(\s+|$))|((\s+|^)([A-Za-z]+-)(\s+|$))","",line)

但是，当我尝试将其应用于以下行时：

here are some word sub-words -word1 word2- sub-word2 word3- -word4
-word5 example
word6-
word7-
another one -word8
-word9

我再次得到与输出相同的输入。

【问题讨论】：

唯一不清楚的部分是如何处理-some-。我知道它不应该匹配（“删除任何以连字符（不是两者）开头或结尾的单词”）。
-sub1-sub2 呢？
@WiktorStribiżew 是的，如果它是-some-，我想保留它。谢谢！

标签： python-3.x regex

【解决方案1】：

你可以使用

r'\b(?<!-)[A-Za-z0-9]+-\B|\B-[A-Za-z0-9]+\b(?!-)'
r'\b(?<!-)\w+-\B|\B-\w+\b(?!-)'

请参阅regex demo。详情：

\b(?<!-)\w+-\B - 一个或多个单词字符，前面没有-，然后是一个- 字符，位于字符串末尾或非单词字符之前
| - 或
\B-\w+\b(?!-) - 一个-，它位于字符串的开头或在一个非单词字符之后，然后是一个或多个不跟- 的单词字符。

见Python demo：

import re
rx = re.compile( r' *(?:\b(?<!-)\w+-\B|\B-\w+\b(?!-))' )
text = 'here are -some- word sub-words -word1 word2- sub-word2 word3- -word4\n-word5 example\nword6-\nword7-\nanother one -word8\n-word9'
print( rx.sub('', text) )

输出：

here are -some- word sub-words sub-word2
 example


another one

【讨论】：

如果我想包含特殊字符而不仅仅是 [A-Za-z0-9] 怎么办？例如删除类似ms$g-
@M.A.G 试试re.sub(r'(?<!\S)(-\S+-)(?!\S)|(?<!\S)-\S+(?![\S-])|(?<![\S-])\S+-(?!\S)', r'\1', text)，见this regex demo。
它工作得很好，但你知道为什么我的解决方案不能正常工作吗？我很想知道
@M.A.G 首先，您的主要模式只匹配字母，但您的字符串也可以包含数字，而且看起来是任何非空白字符。此外，您会在两端消耗空格（\s+ 与^ 和$ 分组），因此您无法匹配连续匹配项。

【解决方案2】：

import re

pattern = r"(?=\S*['-])([a-zA-Z'-]+)"
test_string = '''here are some word sub-words -word1 word2- sub-word2 word3- -word4
-word5 example
word6-
word7-
another one -word8
-word9'''
result = re.findall(pattern, test_string)
print(result)

【讨论】：

添加一些评论会使答案更有价值

【解决方案3】：

您可以在 - 之前或之后重复匹配的单词字符

如果您有用连字符分隔的单词，并且以连字符结尾的单词您也想删除，例如sugar-free-：

(?<!\S)(?:-\w+(?:-\w+)*|\w+(?:-\w+)*-)(?!\S)

部分模式匹配：

(?<!\S)左边的空白边界
(?:非捕获组
- -\w+(?:-\w+)* 匹配 - 和 word chars，可选地由 - 和 word chars 重复
- |或者
- \w+(?:-\w+)*- 匹配可选由- 重复的单词字符和单词字符
)关闭非捕获组
(?!\S)右边的空白边界

查看regex demo 和Python demo。

注意在您尝试的模式中，您使用\s，但请注意它也可以匹配换行符。

如果您不想删除换行符，可以使用[^\S\n]* 代替\s*。

例子

import re

def begin_end_hyphen_removal(line):
    return re.sub(r"\s*(?<!\S)(?:-\w+(?:-\w+)*|\w+(?:-\w+)*-)(?!\S)", "", line)


s = ("here are some word sub-words -word1 word2- sub-word2 word3- -word4\n"
     "-word5 example\n"
     "word6-\n"
     "word7-\n"
     "another one -word8\n"
     "-word9")
print(begin_end_hyphen_removal(s))

输出

here are some word sub-words sub-word2 example
another one

【讨论】：