Question

我试图找出德国工作名称的变体出现在给定字符串中的次数。假设作业名称为Schneider（裁缝）。变体（表示作业名称的男性和女性形式）包括作业名称本身是：

Schneider
Schneiderin
Schneider/in
Schneider/-in
Schneider (m/w)

假设我有以下字符串：

Schneider Schneiderin Schneider/in Schneider/-in Schneider (m/w)

每个变体都应单独计算，不考虑变体之间的任何重叠。因此，如果我浏览每个变量并计算上述字符串中出现的次数，则结果应始终为1.

我尝试使用带有字边界的正则表达式来解决这个问题。我使用了以下模式：

\b{}\b(?![\/]|(\s\(m\/w\)))

其中{}将被变体替换。

正如您所看到的，正则表达式使用单词边界来确保只找到完整的单词匹配。此外，它使用前向预测来排除正斜杠，并将(m/w)视为字边界。

除了在字符串中找不到的最后一个模式（Schneider (m/w)）之外，该模式运行良好。您可以在此处查看此操作：https://regex101.com/r/FTqvIO/4

为了完整起见，这是我目前在Python中的实现：

import re
def count_variant(variant, string):
    pattern = re.compile(r'\b%s\b(?![\/]|(\s\(m\/w\)))' % variant)
    matches = re.findall(pattern, string)
    return len(matches)

非常感谢任何有关正则表达式的帮助（或更简单的方法）！

修改：插入正确的Regex101链接

Answer 1

您可以使用明确的单词边界：

r'(?<!\w){}(?![\w/]|\s\(m/w\))'.format(re.escape(word))

请参阅regex demo

如果搜索词前面有单词char，(?<!\w)将失败，如果搜索词后面有单词char，则(?!\w)将失败。

正则表达式：计算完全匹配的数量

1 个答案: