Python正则表达式（含字符例外）：参考文献索引匹配异常修复

问题分析 #

原代码的两个正则表达式存在匹配逻辑漏洞：

1. 第一个正则的字符捕获规则混乱，无法正确识别X:Y-Z这类带连字符的完整参考文献格式
2. 第二个正则的负向断言(?!\-)无法阻止错误拆分X:Y-Z中的X:Y片段（比如把37:36-38拆成37:3），导致索引错误添加

修复后的代码 #

调整匹配顺序和规则，优先处理带连字符的完整格式，再匹配单独的数字冒号格式，确保匹配的是完整的目标片段：

import re

line = "thiêu (30:33). chương 36-37 ghi lại tất cả những  2:6 việc này đã thật sự xảyra như thế nào (37:36-38)."

# 第一步：匹配并处理 X:Y-Z 格式
line = re.sub(r'(\d+):(\d+)-(\d+)', r'\1:\2-\3\\index[KT]{?@?!0\1|0\2 @\1:\2-\3}', line)
print("12 => ", line)

# 第二步：匹配并处理单独的 X:Y 格式，确保后续不是数字或连字符
line = re.sub(r'(\d+):(\d+)(?![-\d])', r'\1:\2\\index[KT]{?@?!0\1|0\2 @\1:\2}', line)
print("13 => ", line)

修复说明 #

1. 第一个正则r'(\d+):(\d+)-(\d+)'：直接匹配数字:数字-数字的完整结构，捕获三个数字组，替换时保留原格式并追加对应索引
2. 第二个正则r'(\d+):(\d+)(?![-\d])'：使用正向否定断言(?![-\d])，确保X:Y后面不是连字符或数字，避免错误拆分已处理的X:Y-Z格式，仅匹配独立的X:Y片段

输出结果 #

运行修复后的代码，将得到符合预期的输出：

12 => thiêu (30:33). chương 36-37 ghi lại tất cả những 2:6 việc này đã thật sự xảyra như thế nào (37:36-38\index[KT]{?@?!037|036 @37:36-38}).
13 => thiêu (30:33\index[KT]{?@?!030|033 @30:33}). chương 36-37 ghi lại tất cả những 2:6\index[KT]{?@?!02|06 @2:6} việc này đã thật sự xảyra như thế nào (37:36-38\index[KT]{?@?!037|036 @37:36-38}).

内容的提问来源于stack exchange，提问作者Human Resource