Question

下面有正则表达式模式的区别是什么？

pattern1 = "^ab|cd$"
pattern2 = "^(ab|cd)$"
pattern3 = "^(ab)|(cd)$"

我尝试编写一个正则表达式来匹配罗马数字格式（0~3999）。我写了一个模式如下：

pattern = "^M{1,3}|(CM|C?D|D?C{1,3})|(X?L|XC|L?X{1,3})|(I?V|IX|V?I{1,3})$"

这种模式符合＆＃34; DIIII＆＃34;或XIIII或类似这种模式的东西，但我期望大多数我匹配。

为什么会这样？

Answer 1

r"^ab|cd$"

在开始时匹配ab或在结尾处匹配cd。请注意，这与位于行的中间或末尾的ab不匹配。同样，这与开头或中间的cd不匹配。

r"^(ab|cd)$"

匹配仅包含ab或cd的整行。此外，字符串cd或ab由一个组捕获。

r"^(ab)|(cd)$"

与第一个相同，但它会将ab或cd捕获到两个不同的组中。

Answer 2

^ab|cd$表示

即 ab 123匹配，因为粗体部分与 1 匹配， 123 cd 匹配，因为粗体部分与 2 匹配。也就是说，|符号具有最低优先级。

与.search一起使用，与s.startswith('ab') or s.endswith('cd')相同;虽然如果您使用.match代替.search，则模式必须与在字符串的开头匹配，因此您获得s.startswith('ab') or s == 'cd'。

^(ab|cd)$表示

^(ab)|(cd)$表示与第一个相同，但如果ab匹配，则match.group(1)可用{}}，如果匹配cd，则匹配为match.group(2)部分以(...)提供。

请注意，(?:...)在正则表达式中有2个用途 - 它们将原子分组为单个原子，并使匹配对象中的匹配文本可用。如果您只需要分组，则应使用|代替，因为生成子匹配字符串可能很昂贵。

关于罗马数字正则表达式的问题，您在上层使用了^M{1,3}|(CM|C?D|D?C{1,3})|(X?L|XC|L?X{1,3})|(I?V|IX|V?I{1,3})$分支错误。

.match

如果与.search一起使用（M{1,3}，则2-4甚至不绑定到字符串的开头），它代表

您不希望在主要级别使用?，而是将这些1-4中的每一个都作为可选项，(?: );您也希望通常将非捕获组（^(?:M{1,3})?(?:CM|C?D|D?C{1,3})?(?:X?L|XC|L?X{1,3})?(?:I?V|IX|V?I{1,3})?$）分组。因此我们得到：

(?=...)

除了它仍匹配空字符串。要使其与空字符串不匹配，可以使用零宽度正向预测来要求整个构造匹配至少1个（任意）字符。

... 匹配如果Isaac (?=Asimov)匹配下一个，但不消耗任何字符串。这称为先行断言。例如，'Isaac '只有在'Asimov'之后才匹配^。

因此我们可以在字符串开头^.之后放置它，以确保整个字符串至少匹配^(?=.)(?:M{1,3})?(?:CM|C?D|D?C{1,3})?(?:X?L|XC|L?X{1,3})?(?:I?V|IX|V?I{1,3})?$（即字符串开头后跟1个字符）：

表示：

应该是你想要的。