Python regex with \ w не работает

Question

Я хочу иметь регулярное выражение, чтобы найти фразу и два предшествующих ей слова, если есть два слова. Например, у меня есть строка (по одному предложению в строке):

Chevy - моя машина, а Rusty - моя лошадь. Моя машина очень красивая, моя собака красная.

Если я использовать регулярное выражение:

re.finditer(r'[\w+\b|^][\w+\b]my car',txt) 

Я не получаю ни одного матча.

Если я использую регулярное выражение:

re.finditer(r'[\S+\s|^][\S+\s]my car',txt) 

я получаю: 'моя машина' и». Мой автомобиль '(я игнорирую случай и используя многострочный)

Почему регулярное выражение с \ w + \ b не находит ничего? Он должен найти два слова и «мой автомобиль» Как я могу получить два полных слова перед «моей машиной», если есть два слова. Если есть только одно слово, предшествующее моей машине, я должен это получить. Если перед ним нет слов, я должен получить только «свою машину». В моих строках, например, я должен получить: «Chevy моей машина» и «Мой автомобиль» (не предшествующих слов здесь)

Answer 1

В вашем r'[\w+\b|^][\w+\b]my car регулярного выражения, [\w+\b|^] матчи 1 символ, который является либо слово гольцом, +, backdpace , |, или ^ и [\w+\b] соответствует 1 символу, который является либо символом слова, либо +, либо обратным пространством.

Дело в том, что внутри класса символов, кванторов и много (, но не все) специальные символы соответствуют буквальным символам. Например. [+] соответствует символу плюса, [|^] соответствует либо |, либо ^. Поскольку вы хотите соответствовать последовательности , вам необходимо предоставить последовательность подшаблонов вне класса символов.

Похоже, что вы использовали \b в качестве границы слова, однако \b внутри символьного класса соответствует только символу обратного пробела.

Чтобы найти два слова и «моя машина», вы можете использовать, например

\S+\s+\S+\s+my car 

Смотрите regex demo (здесь, \S+ соответствует одному или более непробельных символы и \s+ матчи 1 или больше пробелов, а 2 вхождения этих двух последовательных подшаблонов соответствуют этим символам как последовательность ).

Для того, чтобы последовательности, прежде чем my car опциональной, просто использовать {0,2} квантор так:

(?:\S+[ \t]+){0,2}my car 

this regex demo См (который будет использоваться с флагом re.IGNORECASE).См Python demo:

import re 
txt = 'Chevy is my car and Rusty is my horse.\nMy car is very pretty my dog is red.' 
print(re.findall(r'(?:\S+[ \t]+){0,2}my car', txt, re.I)) 

Детали:

• (?:\S+[ \t]+){0,2} - от 0 до 2 последовательности 1+, не являющихся непечатаемых с последующим 1+ пространства или символов табуляции (вы также можете заменить его [^\S\r\n], чтобы соответствовать любое горизонтальное пространство или \s, если вы также планируете сопоставлять строки).
• my car - буквальный текст my car.