匹配完整或部分单词的Python正则表达式

Question

有没有办法让regexp尽可能多地匹配特定单词？例如，如果我正在寻找以下单词：昨天、今天、明天

我希望提取以下完整单词：

是的

昨天

tod

toda

今天

汤姆

tomor

明天

以下单词应该不匹配（基本上是拼写错误）：

昨天

断层摄影

明天

tody

到目前为止，我能想到的最好的是：

b((tod(a(y)?)?)|(tom(o(r(r(o(w)?)?)?)?)?)|(yest(e(r(d(a(y)?)?)?)?)?))b（示例）

注意：我可以使用有限状态机来实现这一点，但我认为用regexp来实现这会很有趣。不幸的是，我想出的任何东西都非常复杂，我希望我只是错过了一些东西。

Answer 1

您要查找的正则表达式应该包括可选组和可选组。

b(yest(?:e(?:r(?:d(?:ay?)?)?)?)?|tod(?:ay?)?|tom(?:o(?:r(?:r(?:ow?)?)?)?)?)b

参见演示

注意b单词边界非常重要，因为您只想匹配整个单词。

Regex解释：

• b-前导字边界
• (yest(?:e(?:r(?:d(?:ay?)?)?)?)?|tod(?:ay?)?|tom(?:o(?:r(?:r(?:o(?:w)?)?)?)?)?)-一个捕获组匹配
  • yest(?:e(?:r(?:d(?:ay?)?)?)?)?-yest、yeste、yester、yesterd、yesterda或yesterday
  • tod(?:ay?)?-tod或toda或today
  • tom(?:o(?:r(?:r(?:o(?:w)?)?)?)?)?-tom、tomo、tomor、tomorr、tomorro或tomorrow
• b-尾随字边界

参见Python演示：

import re
p = re.compile(ur'b(yest(?:e(?:r(?:d(?:ay?)?)?)?)?|tod(?:ay?)?|tom(?:o(?:r(?:r(?:ow?)?)?)?)?)b', re.IGNORECASE)
test_str = u"yestnyestenyesternyesterdnyesterdanyesterdayntodntodantodayntomntomontomorntomorrntomorrontomorrownnyesterayntomorowntommorrowntodynyesteday"
print(p.findall(test_str))
# => [u'yest', u'yeste', u'yester', u'yesterd', u'yesterda', u'yesterday', u'tod', u'toda', u'today', u'tom', u'tomo', u'tomor', u'tomorr', u'tomorro', u'tomorrow']

Answer 2

管道分隔所有有效单词或单词子字符串，如下所示。这将只匹配所需的有效拼写

^(?|yest|yesterday|tod|today)b

已在测试https://regex101.com/