Python正则表达式：如何仅捕获精确匹配，排除#apple中的apple

以下是当前使用的代码：

import re
fruit_list = ['apple banana', 'apple', 'pineapple', 'banana', 'banana apple',  'kiwi']
fruit = re.compile('|'.join(fruit_list))
fruit_re = [ re.compile(r'\b('+re.escape(fruit)+r')\b') for fruit in fruit_list]
fruit_re.append(re.compile( r'([#@])(\w+)'))

string = "this is pooapple is banana apple #apple"

for ft in fruit_re:
    
    match = re.finditer(ft, string)  
    print(type(match))
    for mat in match:
        
        print(mat.span())
        print(mat.group())
        print("****************")

当前代码的问题是：会同时捕获#apple（位置33,39）以及其中的apple（位置34,39），运行输出如下：

(27, 32)
apple
****************
(34, 39)
apple
****************
<class 'callable_iterator'>
<class 'callable_iterator'>
(20, 26)
banana
****************
<class 'callable_iterator'>
(20, 32)
banana apple
****************
<class 'callable_iterator'>
<class 'callable_iterator'>
(33, 39)
#apple
****************

需求是仅捕获#apple，不捕获其中的apple，该如何实现？

核心思路是让匹配水果单词的正则排除掉紧跟在#或@后面的单词，通过添加负向零宽断言即可实现：

修改生成fruit_re的正则表达式，在单词边界前加入(?<![#@])，确保匹配的单词前面不是#或@符号：

import re
fruit_list = ['apple banana', 'apple', 'pineapple', 'banana', 'banana apple',  'kiwi']
# 新增负向后行断言，排除#/@后的单词匹配
fruit_re = [ re.compile(r'(?<![#@])\b('+re.escape(fruit)+r')\b') for fruit in fruit_list]
fruit_re.append(re.compile( r'([#@])(\w+)'))

string = "this is pooapple is banana apple #apple"

for ft in fruit_re:
    match = re.finditer(ft, string)  
    print(type(match))
    for mat in match:
        print(mat.span())
        print(mat.group())
        print("****************")

修改后的运行输出将不再包含#apple中的apple匹配项，只会保留正常的水果单词和完整的标签匹配结果。

原理说明 #

(?<![#@])是负向后行断言，表示当前位置的前一个字符不能是#或@。当正则尝试匹配#apple里的apple时，因为apple前面是#，不满足断言条件，就会被自动排除。

内容的提问来源于stack exchange，提问作者tkansara