如何匹配、计数、替换含空格且不属于其他字母字符串子串的字符串

实现思路 #

核心通过正则的零宽断言限制匹配字符串s1的前后不能出现任意语言的字母字符，其他字符（包括emoji、表情符号、标点、空格、数字等）都不限制，完全匹配你的规则要求。

正则规则说明 #

• 前缀断言(?<!\p{L})：限制s1前面的位置不能是任意字母（\p{L}是Unicode字符属性，代表所有语言的字母类字符，覆盖中英日韩等所有语言的字母）
• 中间部分：需要转义后的s1，避免s1包含正则特殊字符（比如. * + ?等）导致匹配异常
• 后缀断言(?!\p{L})：限制s1后面的位置不能是任意字母
• 匹配时需要开启Unicode模式让\p{L}生效，同时开启全局匹配统计所有命中项

Python 实现示例 #

import re

def count_s1_occurrence(s1: str, s2: str) -> int:
    # 转义s1中的正则特殊字符
    escaped_s1 = re.escape(s1)
    # 构造正则，开启Unicode模式
    pattern = re.compile(rf'(?<!\p{L}){escaped_s1}(?!\p{L})', re.UNICODE)
    # 查找所有匹配项返回数量
    return len(pattern.findall(s2))

# 测试验证
s1 = "bad word"
# 正向测试用例（预期命中）
test_positive = [
    "bad word",
    "This is a bad word.",
    "This are bad word bad word.",
    "bad word:(",
    "bad word😠",
    "bad word bad word😠😠"
]
for case in test_positive:
    print(f"'{case}' 命中次数：{count_s1_occurrence(s1, case)}") 
    # 输出依次为1、1、2、1、1、2，完全符合预期

# 反向测试用例（预期不命中）
test_negative = [
    "This isbad word",
    "bad wordsdsdsd",
    "bad wordbad word"
]
for case in test_negative:
    print(f"'{case}' 命中次数：{count_s1_occurrence(s1, case)}") 
    # 全部输出0，完全符合预期

JavaScript 实现示例 #

function countS1Occurrence(s1, s2) {
    // 转义s1中的正则特殊字符
    const escapedS1 = s1.replace(/[.*+?^${}()|[\]\\]/g, '\\$&');
    // 构造正则，u开启Unicode模式，g开启全局匹配
    const pattern = new RegExp(`(?<!\\p{L})${escapedS1}(?!\\p{L})`, 'gu');
    // 匹配所有结果返回数量
    return (s2.match(pattern) || []).length;
}

// 测试逻辑和Python示例完全一致，返回结果相同

注意：零宽负向后行断言需要Python 3.7+、Node.js 10+、Chrome 62+等支持ES2018+的运行环境，当前绝大多数主流生产环境都可正常使用。

内容的提问来源于stack exchange，提问作者hafiz031