负后视量词不固定

Question

我想从一个文本文件中提取与几个类别相关的数据(除了类别A和B)。子字符串的格式应该类似于

some text preceding Category C This is some text I'm aware of belonging to the categories

为了处理上面的问题，不包括A和B类数据，我有一个简单的负后面正则表达式

(?<!Category A )(?<!Category B )This is some text I'm aware of

然而，我也有一些有限的例子，在文本中的Category A/B后面会有几个字符(最多5个)。例如：

some text Category A 1. This is some text I'm aware of belonging to the categories

因此，我尝试将regex改为：

(?<!Category A.{5})(?<!Category B.{5})This is some text I'm aware of

它在CatA/B之后准确地工作了5个字符，但它不允许我将{5}更改为{0,5}并抱怨：

量词不固定

我怎么才能让这个起作用？

Answer 1

PyPi正则表达式到救援：

import regex
pattern = r"(?<!Category A.{0,5})(?<!Category B.{0,5})This is some text I'm aware of"
print(regex.findall(pattern, "This is some text I'm aware of"))

文档

可变长度的查找后面可以匹配可变长度的字符串.

请参阅Python证明

Answer 2

使用Python，如果要匹配除A和B以外的大写字符之外的类别，则可以匹配can，后面跟着0-5个字符，并捕获捕获组中的文本。

\bCategory [C-Z].{0,5}\b(This is some text I'm aware of)\b

Regex演示