命令行与文本处理 / 系统课时
非单词边界
非单词边界
学习目标
- 理解非单词边界。
- 会匹配单词内部片段。
- 区分前置和后置非边界。
- 能结合相邻字符分析结果。
问题背景或应用场景
有时需要匹配更长单词内部的片段,而排除独立单词。例如匹配 catalog 中的 cat,或 copycat 末尾的 cat。
核心原理
- 非单词边界表示当前位置不是单词边界。
- 它是零宽位置,不消费字符。
- 前置非边界限制目标前方仍处于同一单词。
- 后置非边界限制目标后方仍处于同一单词。
- 双侧非边界要求目标位于更长单词中间。
前置、后置和双侧非单词边界分别约束目标左侧、右侧和两侧的位置关系。
基础用法
本课涉及的核心写法如下:
text
\Bcat
cat\B
\Bcat\B非单词边界不是非单词字符。它只检查位置是否不构成单词边界。
完整可运行示例
将代码保存为:
text
non_word_boundary.pypython
import re
samples = ["cat", "catalog", "copycat", "scats", "my_cat_value", "(cat)"]
patterns = [
("前侧非边界", r"\Bcat"),
("后侧非边界", r"cat\B"),
("两侧非边界", r"\Bcat\B"),
]
for name, pattern in patterns:
print(name)
for sample in samples:
match = re.search(pattern, sample)
print(f"{sample}: {match.span() if match else None}")运行命令:
bash
python non_word_boundary.py预期输出
text
前侧非边界
cat: None
catalog: None
copycat: (4, 7)
scats: (1, 4)
my_cat_value: (3, 6)
(cat): None
后侧非边界
cat: None
catalog: (0, 3)
copycat: None
scats: (1, 4)
my_cat_value: (3, 6)
(cat): None
两侧非边界
cat: None
catalog: None
copycat: None
scats: (1, 4)
my_cat_value: (3, 6)
(cat): NoneTips
- 非单词边界不是非单词字符。
- 查看结果时要观察目标左右字符。
- 下划线通常属于单词字符。
- 规则过于绕时可考虑字符类或断言。
常见错误
1. 把非边界当非单词字符
非单词边界只检查位置,不匹配空格或标点。
2. 忽略方向
前置和后置非边界约束不同。
3. 认为两侧条件总是同时成立
copycat 只满足前侧条件,catalog 只满足后侧条件。
本课练习
- 对 art artist smart cartography art_work 分别使用前置、后置和双侧非单词边界。
- 输出每个结果的位置。
- 解释下划线对边界的影响。
按自己的节奏,确认真正理解。