如何用正则表达式匹配非单词组成部分的特定单词？

嘿，我明白你的问题了——你想匹配那些独立存在的特定单词（比如你的例子里的三个"on"），但要排除像"long"里作为子串的"on"对吧？你之前用的正则(?: |^)the|on|of(?: |$)之所以没生效，是因为这个正则的分支逻辑有问题：on是单独的一个分支，没有任何前后边界限制，所以它会匹配任何地方的"on"子串，包括"long"里的。

那咱们来修正这个问题，有两种靠谱的方案：

方案一：使用单词边界\b #

正则里的\b表示单词边界，它匹配的是单词字符（[a-zA-Z0-9_]）和非单词字符之间的位置，或者字符串的开头/结尾。针对你的需求，匹配独立的"the"、"on"、"of"，可以用：

\b(?:the|on|of)\b

• 解释：
  • \b：开头的单词边界，确保目标单词前面不是单词字符（比如"long"里的"l"是单词字符，所以"long"里的"on"前面没有\b，不会被匹配）
  • (?:the|on|of)：非捕获分组，用来匹配三个目标单词中的任意一个
  • \b：结尾的单词边界，确保目标单词后面不是单词字符

用你的示例文本测试的话，这个正则会精准匹配到三个独立的"on"和那个"the"，完全不会碰"long"里的子串。

方案二：使用环视断言（更灵活的边界控制） #

如果你不想把下划线_当成单词的一部分（\b会把_视为单词字符），可以用负向环视来定义边界：

(?<!\w)(?:the|on|of)(?!\w)

• 解释：
  • (?<!\w)：负向后视断言，确保目标单词前面不是任何单词字符（字母、数字、下划线）
  • (?!\w)：负向前视断言，确保目标单词后面不是任何单词字符
    这个方案的边界判断更严格，适合不需要考虑下划线的场景。

测试示例（以Python为例） #

import re

text = '<strong>on</strong> long <strong>on</strong> abc the <strong>on</strong>'
pattern = r'\b(?:the|on|of)\b'
matches = re.findall(pattern, text)
print(matches)  # 输出: ['on', 'on', 'the', 'on']

完全符合你的预期！

内容的提问来源于stack exchange，提问作者Ted