Python 3 正则表达式单词边界不清楚

Question

我正在使用正则表达式来查找字符串“我的车”并在它之前检测到最多四个单词。我的参考文字是：

my house is painted white, my car is red.
A horse is galloping very fast in the road, I drive my car slowly.

如果我使用正则表达式：

re.finditer(r'(?:\w+[ \t,]+){0,4}my car',txt,re.IGNORECASE|re.MULTILINE)

我得到了预期的结果。例如：房子被漆成白色，我的车

如果我使用正则表达式：

re.finditer(r'(?:\w+\b){0,4}my car',txt,re.IGNORECASE|re.MULTILINE)

我只得到：“我的车”和“我的车” 也就是说，在它之前我最多没有四个字。 为什么我不能使用 \b 来匹配组 {0,4} 中的单词？

Answer 1

因为\b 是一个零宽度断言 word boundary 匹配位置 在字符串开头和单词字符之间，在非单词字符和单词 char，介于单词 char 和非单词 char 之间以及单词 char 和字符串结尾之间。 它不会消耗文本。

(?:\w+\b){0,4} 只匹配一个空字符串，因为在 my car 之前没有 1+ 个单词 chasrs 后跟单词边界。

相反，您可能想要匹配 1+ 个可以有效模仿单词边界的非单词字符：

(?:\w+\W+){0,4}my car\b

见regex demo

Answer 2

你可以使用：

(?:\b\w+\W+){4}
\b(?:my\ car)\b

见a demo on regex101.com。

---

在Python 中，这将是：

import re

rx = re.compile(r'''
                (?:\b\w+\W+){0,4}
                \b(?:my\ car)\b
                ''', re.VERBOSE)

string = """
my house is painted white, my car is red.
A horse is galloping very fast in the road, I drive my car slowly.
"""
words = rx.findall(string)
print(words)
# ['house is painted white, my car', 'the road, I drive my car']