如何修正正则表达式以匹配末段为非m辅音的连字符单词

需要匹配满足以下条件的连字符字符串：

• 由一个或多个连字符分隔的字段组成（至少包含一个连字符）
• 最后一个字段以除字母m外的辅音结尾

需排除：

• 不含连字符的字符串
• 最后一个字段以m或元音结尾的字符串

现有正则表达式在处理多连字符字符串时，会错误匹配长字符串的前缀部分（例如从cr-ca-cr-ca中错误匹配出cr-ca-cr）。

原测试代码 #

import re
dummy_data = """ 
broom  
br-oom
br-oo
crack
crack-l
crac-ken
crack-ed
cr-ca-cr-ca
cr-ca-cr-cr
cr-ca-cr-cr-cr
"""
pattern = r'\b(?:\w+-)+\w*[bcdfghjklnpqrstvwxyz](?<!m)\b'
final_consonant_hyphenated = [
    m.group(0)
    for m in re.finditer(pattern, dummy_data, flags=re.IGNORECASE)
]
print(final_consonant_hyphenated)

输出对比 #

错误输出 #

['crack-l', 'crac-ken', 'crack-ed', 'cr-ca-cr', 'cr-ca-cr-cr', 'cr-ca-cr-cr-cr']

预期输出 #

['crack-l', 'crac-ken', 'crack-ed', 'cr-ca-cr-cr', 'cr-ca-cr-cr-cr']

修正方案 #

修正后的正则表达式 #

问题根源是原正则会匹配长连字符字符串的前缀子串，需添加负向预查(?!-\w)确保匹配的字符串不是更长连字符字符串的一部分。修正后的正则：

r'\b(?:\w+-)+\w*[bcdfghjklnpqrstvwxyz](?<!m)\b(?!-\w)'

修正后的完整代码 #

import re
dummy_data = """ 
broom  
br-oom
br-oo
crack
crack-l
crac-ken
crack-ed
cr-ca-cr-ca
cr-ca-cr-cr
cr-ca-cr-cr-cr
"""
# 添加(?!-\w)避免匹配长连字符字符串的前缀
pattern = r'\b(?:\w+-)+\w*[bcdfghjklnpqrstvwxyz](?<!m)\b(?!-\w)'
final_consonant_hyphenated = [
    m.group(0)
    for m in re.finditer(pattern, dummy_data, flags=re.IGNORECASE)
]
print(final_consonant_hyphenated)

正则规则解释 #

• \b：界定单词边界，确保匹配的是独立的完整单词
• (?:\w+-)+：匹配一个或多个以连字符结尾的字段，保证字符串至少包含一个连字符
• \w*[bcdfghjklnpqrstvwxyz]：匹配最后一个字段的内容，确保以除m外的辅音结尾
• (?<!m)：负向回顾断言，排除结尾辅音为m的情况
• (?!-\w)：负向预查断言，确保匹配的字符串结尾后不会跟着连字符和单词字符，避免错误匹配长连字符字符串的前缀子串

内容的提问来源于stack exchange，提问作者Paige Cox