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

  1. 非单词边界表示当前位置不是单词边界。
  2. 它是零宽位置,不消费字符。
  3. 前置非边界限制目标前方仍处于同一单词。
  4. 后置非边界限制目标后方仍处于同一单词。
  5. 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.py
python
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): None

Tips

  • 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

  1. 对 art artist smart cartography art_work 分别使用前置、后置和双侧非单词边界。
  2. 输出每个结果的位置。
  3. 解释下划线对边界的影响。
按自己的节奏,确认真正理解。

目录与阅读设置

阅读设置

17

记录一个想法

非单词边界

0 / 10000 · 笔记保存到账号。未提交的修改会在关闭、离开或刷新后丢失。

登录哪都通