Question

所以，我一直在做一些正则表达式，当我使用((.|\s)*)来捕获多行文本时，似乎正则表达式库正在捕获一个额外的新行。[\S\s]*由于某种原因而工作：

如果您在下面看到，第一个正则表达式会生成一个额外的\n组，为什么？：

>>> s = """
... #pragma whatever
... #pr
... asdfsadf
... #pragma START-SomeThing-USERCODE
... this is the code
... this is more
... #pragma END-SomeThing-USERCODE
... asd
... asdf
... sadf
... sdaf
... """
>>> r = r"(#pragma START-(.*)-USERCODE\s*\n)((.|\s)*)(#pragma END-(.*)-USERCODE)"
>>> re.findall(r, s) [('#pragma START-SomeThing-USERCODE\n', 'SomeThing', 'this is the code\nthis is more\n', '\n', '#pragma END-SomeThing-USERCODE', 'SomeThing')]
>>> r = r"(#pragma START-(.*)-USERCODE\s*\n)([\S\s]*)(#pragma END-(.*)-USERCODE)"
>>> re.findall(r, s) [('#pragma START-SomeThing-USERCODE\n', 'SomeThing', 'this is the code\nthis is more\n', '#pragma END-SomeThing-USERCODE', 'SomeThing')]

Answer 1

subregex

((.|\s)*)

匹配"this is the code\nthis is more\n"。外括号捕获整个字符串。

内括号一次捕获一个字符（除换行符之外的任何字符，或空格（包括换行符））。由于重复该组，因此每次重复都会覆盖该组的内容。在匹配结束时，匹配的最后一个字符（\n）将保留在该组中。

所以，如果你想避免这种情况，要么让内部组不能捕获：

((?:.|\s)*)

或使用([\s\S]*)成语来匹配真正的任何角色。但是，使用([\s\S]*?)可能是个好主意，以确保匹配最小可能的字符数。

Answer 2

此表达式生成嵌套组

((.|\s)*)

因为您使用嵌套大括号。对于单字符OR方括号是一个合适的选择;当您想要在两个单词之间进行选择时，此语法是合适的

(treat|trick)

Python正则表达式捕获额外的换行符

2 个答案: