正则表达式替换限制失效问题排查与正确实现需求

需求说明 #

需要替换文本中的mañana或manana子串，替换条件为：

• 子串前面不能出现las或la（含其后的空格）
• 子串后面不能跟随字母s及任意数量的空格

原代码问题分析 #

原正则表达式r"\b(?:las|la)\b[\s|]*(?:mañana|manana)\bs\s*\b"完全不符合需求，失效原因如下：

1. 逻辑完全颠倒：原正则是在匹配带有las/la前缀、且后缀带s+空格的目标子串，和需求的「无前缀、无s后缀」要求相反
2. 字符类写法错误：[\s|]会将|当作普通字符匹配，而非逻辑或的含义，这里根本不需要匹配竖线
3. 边界匹配冗余：\bs\s*\b的写法既冗余又不符合需求，需求是要排除带s后缀的情况，而非匹配这种情况
4. Unicode边界问题：Python标准re模块的\b对Unicode字符（比如ñ）的单词边界判断存在局限性，可能导致匹配异常

正确实现代码 #

使用负向零宽断言来实现需求中的排除条件，代码如下：

import re, datetime

input_text = "Por las mañanas de verano voy a la playa, y en la manana del 22-12-22 16:22 pm o quizas mañana en la mañana hay que estar alli y no 2022-12-22 a la manana"

today = datetime.date.today()
tomorrow = str(today + datetime.timedelta(days = 1))

# 正确的正则表达式
pattern = r"(?<!\b(?:las|la)\s*)(?:mañana|manana)(?!s\s*)"
input_text = re.sub(pattern, tomorrow, input_text)

print(repr(input_text))

正则各部分解释 #

• (?<!\b(?:las|la)\s*)：负向后顾断言，确保目标子串之前没有las或la（以及其后的任意空格）
• (?:mañana|manana)：待替换的目标子串（非捕获组，提升匹配效率）
• (?!s\s*)：负向前瞻断言，确保目标子串之后没有紧跟s和任意数量的空格

验证结果 #

运行代码后，输出符合预期：

"Por las mañanas de verano voy a la playa, y en la manana del 22-12-22 16:22 pm o quizas 2024-05-20 en la mañana hay que estar alli y no 2022-12-22 a la manana"

（注：日期会根据运行当天自动计算为次日）

内容的提问来源于stack exchange，提问作者Matt095