Python 用于查找首字母缩略词并避免由该模式组成的单词的正则表达式
我正在使用python 2.7和。 我需要找到一个缩写词，如abc或a.b.c.，并避免像qweabcrty这样的假阳性。该模式可以位于字符串的开头，也可以位于字符串的结尾，可以在前后有空格、引号、双引号、连字符（等等），但不能是字母数字字符 我来到这个正则表达式Python 用于查找首字母缩略词并避免由该模式组成的单词的正则表达式,python,regex,beautifulsoup,regex-negation,Python,Regex,Beautifulsoup,Regex Negation,我正在使用python 2.7和。 我需要找到一个缩写词，如abc或a.b.c.，并避免像qweabcrty这样的假阳性。该模式可以位于字符串的开头，也可以位于字符串的结尾，可以在前后有空格、引号、双引号、连字符（等等），但不能是字母数字字符 我来到这个正则表达式 [^\w]?a\.?b\.?c\.?[^\w]? 这对我来说没关系 abc a、 不列颠哥伦比亚省 废话（abc） abc废话 废话 废话 废话 但它也被发现（我不想）： qweabcrty 如果我移除了这个按钮？在这两个[
[^\w]?a\.?b\.?c\.?[^\w]?
- abc
- a、 不列颠哥伦比亚省
- 废话（abc）
- abc废话
- 废话
- 废话
- 废话
- qweabcrty
import re
from bs4 import BeautifulSoup, SoupStrainer
html = """
<html>
<a>abc</a>
<a>a.b.c.</a>
<a>blah (abc)</a>
<a>abc-blah</a>
<a>blah-abc</a>
<a>blah abc blah</a>
<a>blah-abc-blah</a>
<a>qweabcrty</a>
</html>"""
links = BeautifulSoup(html, "lxml", parse_only=SoupStrainer(["a"]))
tags = links.find_all("a", text = re.compile("[^\w]?a\.?b\.?c\.?[^\w]?", re.I))
print tags
重新导入
来自bs4进口美容集团，SoupStrainer
html=”“”
abc
a、 不列颠哥伦比亚省。
废话（abc）
abc废话
废话
废话
废话
qweabcrty
"""
links=BeautifulSoup（html，“lxml”，仅解析=SoupStrainer（[“a”]））
tags=links.find_all（“a”，text=re.compile（[^\w]？a\.？b\.？c\.？[^\w]？”，re.I））
打印标签
\bhtml = """
<html>
<a>abc</a>
<a>a.b.c.</a>
<a>blah (abc)</a>
<a>abc-blah</a>
<a>blah-abc</a>
<a>blah abc blah</a>
<a>blah-abc-blah</a>
<a>qweabcrty</a>
</html>"""
import re
print re.sub(r'\b(abc|a\.\b.\.c)\b', '@@@', html)
html=”“”
abc
a、 不列颠哥伦比亚省。
废话（abc）
abc废话
废话
废话
废话
qweabcrty
"""
进口稀土
打印re.sub（r'\b（abc | a\.\b.\.c）\b'，'@@@@'，html）
<html>
<a>@@@</a>
<a>@@@.</a>
<a>blah (@@@)</a>
<a>@@@-blah</a>
<a>blah-@@@</a>
<a>blah @@@ blah</a>
<a>blah-@@@-blah</a>
<a>qweabcrty</a>
</html>
@@@
@@@.
胡说八道（@@@1）
@@@-废话
废话-@@@
诸如此类
废话-@@@@@废话
qweabcrty