基于周边标点规则过滤匹配单词的正则表达式优化需求

我来帮你搞定这个正则匹配的问题！你的核心需求很明确：要匹配独立的目标单词/短语，但跳过被单引号' '完整包裹的实例，同时保留被角引号«»或括号()包裹的实例，还要维持原代码里“剥离标点、匹配独立单词”的逻辑对吧？

问题分析 #

你现有的代码len(re.findall(r'(?<!\w)'+re.escape(myword)+r'(?!\w)', sentence))的问题在于：它只会检查目标单词的前后是否为非单词字符，但无法区分包裹它的引号类型，所以会错误匹配'my word'里的my word。

我们需要在原逻辑基础上，添加负向环视断言来排除被单引号完整包裹的情况，同时允许其他两种合法包裹符的存在。

解决方案代码 #

直接修改正则模式，加入排除单引号包裹的逻辑：

import re

def count_target_matches(target_word, sentence):
    escaped_word = re.escape(target_word)
    # 构建正则：独立单词匹配 + 排除被单引号完整包裹的情况
    pattern = r'(?<!\w)(?!(?<=')' + escaped_word + r'(?='))' + escaped_word + r'(?!\w)'
    return len(re.findall(pattern, sentence))

# 测试你的需求示例
print(count_target_matches("my word", "blablabla 'my word' blablabla"))  # 输出0 ✅
print(count_target_matches("my word", "blablabla «my word» blablabla"))  # 输出1 ✅
print(count_target_matches("my word", "blablabla (my word) blablabla"))  # 输出1 ✅
print(count_target_matches("my word", "blablabla my word blablabla"))    # 输出1 ✅
# 带单引号的目标匹配
print(count_target_matches("'my word'", "blablabla 'my word' blablabla")) # 输出1 ✅

正则逻辑拆解 #

让我们逐段解释这个模式的作用：

1. (?<!\w)：负向后行断言，确保目标单词的前面不是字母、数字或下划线，维持原代码“匹配独立单词/短语”的逻辑；
2. (?!(?<=')XXX(?='))：负向前瞻断言，核心是排除「XXX被一对单引号直接包裹」的情况。其中(?<=')检查目标前是单引号，(?=')检查目标后是单引号，整个负向断言确保这种情况不存在；
3. escaped_word：转义后的目标单词，避免目标里的特殊字符（比如空格、标点）干扰正则匹配；
4. (?!\w)：负向前瞻断言，确保目标单词的后面不是单词字符，同样维持独立匹配的逻辑。

额外说明 #

• 如果目标单词本身包含单引号（比如my 'word'），re.escape会自动转义单引号，不会影响匹配逻辑；
• 这个方案默认不处理转义的单引号（比如'my \'word\''），如果需要支持这种场景，可以额外调整断言逻辑。

内容的提问来源于stack exchange，提问作者Y H R