Python正则匹配@开头独立词汇 如何解决前置空格、误匹配问题

原有正则的问题 #

• 正则中直接写入了前置空白符匹配规则\s，这部分内容会被纳入最终匹配结果，导致返回值携带多余前导空格
• 没有对匹配内容的前后边界做严格校验，会把嵌在连续字符串里的@片段误判为独立词汇

正确正则写法 #

使用零宽断言做边界判断，这类断言只校验位置规则、不会捕获对应字符，不会产生多余匹配内容：

import re
regex = r'(?<!\S)@\/?[\w.-]{2,}(?!\S)'

规则说明 #

• (?<!\S)：负向后行断言，限制@符号的前一个位置不能是非空白字符，即@前面要么是字符串起始位置，要么是空白分隔符，不会捕获前置空白
• @\/?[\w.-]{2,}：保留原有核心匹配逻辑，匹配@开头、后续可跟可选斜杠、长度2位以上由字母/数字/下划线/点/横杠组成的内容
• (?!\S)：负向前瞻断言，限制匹配内容的后一个位置不能是非空白字符，即匹配内容后面要么是字符串结束位置，要么是空白分隔符，可排除@dddada@snhfbjskjs这类连续非空白字符串里的非独立片段

效果验证 #

• 测试字符串1：'george want@to play @.hdgska football @dddada'
  执行re.findall(regex, exp)返回结果：['@.hdgska', '@dddada']，无多余前导空格
• 测试字符串2："george want@to play @.hdgska football @dddada@snhfbjskjs"
  执行re.findall(regex, s)返回结果：['@.hdgska']，仅匹配独立出现的@词汇，排除嵌在连续字符串里的片段

内容的提问来源于stack exchange，提问作者John Angelopoulos