使用 re.findall() 匹配包含特殊字符的术语？

Question

使用re.findall()，我试图从字符串中的术语列表中查找每个术语的所有出现。

如果特定术语包含特殊字符（即a '+'），将找不到匹配项，或者可能会生成错误消息。使用re.escape()，可以避免错误消息，但在字符串中找不到带有特殊字符的术语。

import re         
my_list = ['java', 'c++', 'c#', '.net']
my_string = ' python javascript c++ c++ c# .net java .net'
matches = []

for term in my_list:
    if any(x in term for x in ['+', '#', '.']):
        term = re.escape(term)

    print "\nlooking for term '%s'" % term 
    match = re.findall("\\b" + term + "\\b", my_string, flags = re.IGNORECASE)
    matches.append(match)

上面的代码只会在字符串中找到'java'。 有关如何在字符串中查找具有特殊字符的术语的任何建议？

警告：我无法手动更改“my_list”，因为我事先不知道它将包含哪些术语。

更新 - 问题似乎与正则表达式（“\b”）中的单词边界说明符有关，它沿着包含非字母数字字符的字符分解字符串字符串。然而，目前还不清楚如何以一种简洁明了的方式解决这个问题。

编辑 - 这个问题不是 this 的重复 - 它已经包含了该帖子中最适用的解决方案。

Answer 1

import re
my_list = ['java', 'c++', 'c#', '.net']
my_string = ' python javascript c++ c++ c# .net java .net'
matches = []

for term in my_list:
    if any(x in term for x in ['+', '#', '.']):
        term = re.escape(term)

    print "\nlooking for term '%s'" % term
    match = re.findall(r"(?:^|(?<=\s))"+term+r"(?=\s|$)", my_string, flags = re.IGNORECASE)
    matches.append(match)

试试这个。问题是\b是单词边界。在C++中+之后没有单词边界。所以它不会匹配。其他人也是如此。

Answer 2

查看python的regex syntax。

• + - 是正则表达式中使用的特殊字符，必须通过\ 转义

'+' - 使生成的 RE 匹配 1 次或多次重复的 前RE。 ab+ 将匹配 ‘a’ 后跟任何非零数量的 'b's;它不会只匹配“a”。

• 在这种情况下，用于匹配您的正则表达式字符串中出现的不止一次。

例如，这将提取字符串中的整个数字序列：

re.findall('[0-9]+', 'This 0123435124 is a string with numbers')

这将找出0123435124，而这只会为您检索0：

re.findall('[0-9]', 'This 0123435124 is a string with numbers')

最快的解决方法：

my_list = ['java', 'c\+\+', 'c#', '\.net']
for key in my_list:
    match = re.findall("\\b" + key + "\\b", my_string, flags = re.IGNORECASE)

另一种解决方案是“动态”翻译对象或转义它们。

• How to escape special characters of a string with single backslashes