如何编写正则表达式匹配不在单双引号范围内的单词？

解决方案 #

方案1：适配Python 3.10+，直接匹配（无需后续过滤） #

使用PCRE标准的(*SKIP)(*FAIL)语法跳过所有引号包裹内容，直接匹配目标单词：
正则表达式：

(?:'[^']*'|"[^"]*")(*SKIP)(*FAIL)|\b[^\d\W]+\b

测试代码：

import re
a = "big mouse eats cheese? \"non-detected string\" 'non-detected string too' hello guys"
some_regex = r"""(?:'[^']*'|"[^"]*")(*SKIP)(*FAIL)|\b[^\d\W]+\b"""
print(re.findall(some_regex, a))

输出结果完全符合预期：

['big', 'mouse', 'eats', 'cheese', 'hello', 'guys']

方案2：兼容所有Python版本，轻量过滤即可 #

如果需要兼容Python 3.10以下版本，可以使用分组捕获+空值过滤的方式，同样不需要提前删除引号内容：
正则表达式：

(?:'[^']*'|"[^"]*")|(\b[^\d\W]+\b)

测试代码：

import re
a = "big mouse eats cheese? \"non-detected string\" 'non-detected string too' hello guys"
some_regex = r"""(?:'[^']*'|"[^"]*")|(\b[^\d\W]+\b)"""
res = [item for item in re.findall(some_regex, a) if item]
print(res)

输出结果和上述方案完全一致。

正则逻辑说明 #

1. 优先匹配所有单引号/双引号包裹的完整内容，这部分内容要么被(*SKIP)(*FAIL)标记为跳过，要么不会进入捕获分组
2. 剩余未被匹配的内容走单词匹配逻辑，只会命中引号外的目标单词
3. 全程不需要提前调用re.sub()删除引号内容，符合需求要求

内容的提问来源于stack exchange，提问作者Ibrahim