我们都知道,Python中边界匹配用的是’\b’,那么如下的正则应该能匹配出‘tag’字符串。
re.findall(r'\btag\b', '带tag#tag内容#')
实际上呢,这是不行的。原因是,Python3的正则匹配编码模式,使用了和C语言一样的规则,即**’\w’不仅包含数字、字母、下划线,还包含unicode的许多汉字**(Java和JS则不包含汉字)。
而Python的边界匹配,本质上就是判断边界处是否为’\w’,如果是,则成为边界。
所以在上述代码中,‘tag’前后的‘带’、‘内’不被视为单词边界,所以匹配失败。如果我们在‘带’和‘tag’、‘tag’和‘内’之间分别加一个空格,就可以成功匹配了。当然你加任何非数字、字母、下滑线、unicode汉字都可以。
要解决上述问题,只需要将匹配编码模式设定为re.A,二进制匹配即可。
re.findall(r'\btag\b', '带tag#tag内容#', re.A)