Python使用re.sub替换特殊字符开头的精确子串匹配错误问题

错误原因分析 #

• 第一次写法使用[*:]1的正则存在问题：方括号[]是字符组语法，会匹配单个*或者单个:，而非连续的*:序列，匹配逻辑从根上就不符合预期。
• 第二次仅转义*:1仍有问题：没有限制匹配到的*:1后面不能跟其他数字，因此会误匹配*:10、*:11这类多位数标识的前缀部分。

正确实现方案 #

你需要在匹配*:1的基础上，增加负向先行断言，限制1后面不能跟数字，保证只匹配独立的*:1标识：

import re

smiles_all='C1([*:5])C([*:6])C2=NC1=C([*:1])C3=C([*:7])C([*:8])=C(N3)C([*:2])=C4C([*:9])=C([*:10])C(=N4)C([*:3])=C5C([*:11])=C([*:12])C(=C2([*:4]))N5'
# 正则含义：匹配 *:1 且后面不跟数字
new_smiles = re.sub(r'\*:1(?!\d)', 'Ar', smiles_all)
print(new_smiles)

输出结果 #

C1([*:5])C([*:6])C2=NC1=C([Ar])C3=C([*:7])C([*:8])=C(N3)C([*:2])=C4C([*:9])=C([*:10])C(=N4)C([*:3])=C5C([*:11])=C([*:12])C(=C2([*:4]))N5

正则说明 #

• \*：转义匹配原字符*，避免被识别为正则量词
• :1：匹配连续的:1序列
• (?!\d)：负向先行断言，要求当前位置后面不能跟数字，保证不会匹配多位数标识的前缀

内容的提问来源于stack exchange，提问作者German Barcenas