单字母编程语言与正则表达式匹配困难

Question

我试图通过一些文本解析，使用正则表达式搜索不同的编程语言名称，如python、java等。不幸的是，regex并不是我完全满意的东西，但是为多个字母的语言找到想要的匹配是相当容易的。然而，当我试图匹配单个字母语言时，我遇到了一些困难。例如，下面是C语言的模式：

'\Wc[^\+#\w](\W|$)|\Wc$'

这是很好的工作，除了它也匹配目标-c。如果“c”前面有“objective”，是否有一种方法可以编写与之不匹配的模式？我也在用python编写我的程序，所以如果有更好的方法，我将非常感激有人指出这一点。

不应该匹配但应该匹配的字符串示例：

objective-d – alternative or supplement to objective-c

compile clojure to objective-c

它与我测试过的所有其他情况相匹配，除非目标-c出现在字符串中。

Answer 1

re.compile(r'(?<!objective-)\bc\b',re.I)

这个表达式不匹配：

objective-d – alternative or supplement to objective-c
compile clojure to objective-c

并且确实匹配：

compile with c
c expression
compile c program
contains a c struct
strict C syntax

(?<!...)是一个负查找断言，这意味着断言不是匹配的一部分，而是要求匹配之前不包含该表达式。

Answer 2

我想您有一个包含所有语言名称的列表。

这是你想要的吗？

​

>>> txt = "objective-d – alternative or supplement to objective-c but not c or java,python"
>>> lang_names.sort(key=len, reverse=True)
>>> lang_names
['objective-c', 'python', 'c']
>>> regexp = re.compile("(?:^|\W)(" + "|".join(lang_names) + ")(?:\W|$)")
>>> matches = regexp.finditer(txt)
>>> for m in matches:
...     print m.group(1)
...     
objective-c
c
python