Python中如何组合正向和负向预查正则提取符合规则的token

最终正则表达式 #

(?<=^|\s)(?=.*?\d)(?!.*?[\-\/\\\._@*]{2})[a-zA-Z0-9\-\/\\\._@*]+(?=\s|$)

规则对应说明 #

• 前后断言(?<=^|\s)和(?=\s|$)：保证匹配到的是完整的token，不会匹配长token里的部分片段，token以空白分隔或者位于字符串首尾
• 正向预查(?=.*?\d)：确保当前匹配的token里至少存在1位数字，满足第一个规则的强制要求
• 负向预查(?!.*?[\-\/\\\._@*]{2})：确保token里不存在两个连续的允许特殊字符，满足第二个规则的禁止要求
• 主体匹配[a-zA-Z0-9\-\/\\\._@*]+：匹配由字母、数字、允许的特殊字符组成的token内容，你可以根据实际需求增删字符集里的特殊符号

测试验证 #

可匹配场景 #

输入文本：165271 agya678 yah@123 kj*12-
匹配结果：165271、agya678、yah@123、kj*12-，全部符合预期

排除场景 #

输入文本：ajh12-& 671%&i^
匹配结果：无匹配结果，符合排除要求

原有写法的问题修正 #

1. 原来的正向预查(?=\w*\d\w*)仅覆盖字母、数字、下划线，没有包含其他允许的特殊字符，会漏掉带其他特殊字符的合法token
2. 原来的负向预查(?!=[\_\.\:\;\-\\\/\@\+]{2})写法错误，?!=是无效的断言语法，同时仅检查边界位置的连续特殊字符，没有覆盖整个token范围
3. 使用\b作为边界不合适，特殊字符与空白的交界处也会被识别为单词边界，容易出现片段匹配的问题

内容的提问来源于stack exchange，提问作者Suneha K S