正则表达式提取字符串：排除::包裹内容并修正结果偏差

需求：从给定字符串中提取除被::包裹内容之外的字符（忽略冒号与字母数字间的空格），现有Python正则实现结果不符合预期。

原代码 #

import re

message = "ass :gifs_e4VLc8f2_galabingo: ass dof:stickers_t3B0l2J7_galabingo:dor"
message1 = ":gifs_e4VLc8f2_galabingo::stickers_t3B0l2J7_galabingo:"
# Regex pattern to extract words that do not start and end with colons
pattern = r'(?<!:)(?::[^:]+:)*([^:]+)(?::[^:]+:)*(?!:)'

# Find all occurrences of words in the message that do not start and end with colons
words_without_colons = re.findall(pattern, message)
words_without_colons1 = re.findall(pattern, message1)
print(words_without_colons)
print(words_without_colons1 )

实际输出 #

• Op1: ['ass ', 'ass dof', 'or']
• Op2: ['ifs_e4VLc8f2_galabing', 'tickers_t3B0l2J7_galabing']

期望输出 #

• Op1: ['ass ', 'ass dof', 'dor']
• Op2: []（空列表）

修正方案 #

原正则的问题在于：无法准确定位完整的::包裹块，断言位置错误导致误匹配包裹块内的部分字符，且贪婪匹配会截断目标内容。

修正后的正则会优先跳过所有完整的::包裹块，仅捕获不在包裹范围内的非空字符序列：

import re

message = "ass :gifs_e4VLc8f2_galabingo: ass dof:stickers_t3B0l2J7_galabingo:dor"
message1 = ":gifs_e4VLc8f2_galabingo::stickers_t3B0l2J7_galabingo:"

# 修正后的正则表达式
pattern = r'(?:^|:[^:]+:)([^:]+?(?=:[^:]+:|$))'

words_without_colons = re.findall(pattern, message)
words_without_colons1 = re.findall(pattern, message1)

print(words_without_colons)  # 输出: ['ass ', 'ass dof', 'dor']
print(words_without_colons1 ) # 输出: []

正则说明 #

• (?:^|:[^:]+:)：非捕获组，匹配字符串开头，或者完整的::包裹块（格式为:内容:），用于定位捕获内容的起始位置
• ([^:]+?(?=:[^:]+:|$))：捕获组，匹配非冒号的字符序列，+?是非贪婪匹配，确保遇到下一个::包裹块或字符串结尾时停止，避免截断目标内容

内容的提问来源于stack exchange，提问作者akhil korvi