Python re模块组匹配机制

Question

问题形成

背景

在我阅读python2.7 redoc的教程时，它介绍了群组的行为：

  

groups（）方法返回一个元组，其中包含所有子组的字符串，从1到多个子组。

问题

我清楚地了解这是如何单独运作的。但我可以理解以下例子：

>>> m = re.match("([abc])+","abc")
>>> m.groups()
('c',)

我的意思是，+不仅仅意味着一个或多个。如果是这样，则不应该使用正则表达式([abc])+ = ([abc])([abc])+（不是正式的BNF）。因此，结果应该是：

('a','b','c')

请详细说明背后的机制，谢谢。

P.S

我想学习正则表达式语言解释器，我该如何开始？书籍或正则表达式版本，谢谢！

Answer 1

基本上，正则表达式术语中引用的groups是正则表达式中定义的捕获组。

例如，在'([abc])+'中，只有一个捕获组，即([abc])，而像'([abc])([xyz])+'这样的组有2个组。

因此，在您的示例中，调用.groups()将始终返回长度为1的元组，因为这是正则表达式中存在的组数。

它没有返回您期望的结果的原因是因为您正在使用该组的重复运算符+ 。最终结果为causing the group to equal only the last match，因此仅保留最后一个匹配项（c）。另一方面，如果您使用了'([abc]+)'（注意+ 捕获组内），结果将是：

('abc',)

Answer 2

一对分组括号形成一个组，即使它在量词内。如果一个组由于量词而多次匹配，则仅保存该组的最后一个匹配。该小组的成员人数不会与比赛一样多。

Answer 3

嗯，我猜一张照片值1000字：

link to the demo

正在发生的事情是，正如您在自动机的可视化表示中看到的那样，您的正则表达式将一个或多个字符分组一次或多次，直到它到达匹配结束。然后最后一个角色进入小组。

如果您想获得所说的输出，则需要执行以下操作：

([abc])([abc])([abc])

将匹配并在每个位置组合一个字符。

关于文档，我建议您阅读NFA的第一个理论和regexps。关于这个主题的MIT文档很不错：

• http://ocw.mit.edu/courses/electrical-engineering-and-computer-science/6-045j-automata-computability-and-complexity-spring-2011/lecture-notes/