Question

我遇到了一个在回答SO问题时我不理解的问题。我已经创建了一个简化示例来说明问题：

情景：

我正在测试两个令牌（不是随机的英语单词！）在一个字符串中至少有一段距离。在这个例子中，我们有一个动物清单，我们想确保绵羊和狼之间至少有三只其他动物（或者那里有麻烦）。以下代码有效：

import re

safe_distance = re.compile(r"sheep (\b[^\b]+\b ){3,}wolf")

animal_arrangements = [
    "dog sheep hen wolf fox cat ox",  # one between
    "dog sheep hen fox wolf cat ox",  # two between
    "dog sheep hen fox cat wolf ox",  # three between
    "dog sheep hen fox cat ox wolf"   # four between
]

for i, animal_arrangement in enumerate(animal_arrangements):

    if safe_distance.search(animal_arrangement):
        print(i + 1, "All is peaceful.")
    else:
        print(i + 1, "Sheep and wolf too close!")

问题：

在上述模式中，使用：

[^\b]+  # works fine
\B+     # causes a regex compilation error "nothing to repeat"
[\B]+   # runs but produces wrong answers
\w+     # yes, this does work, probably best, but not related to my question

为何与众不同？我不需要更好地解决绵羊/狼的放置问题 - 我只是试图理解为什么这三个一个或多个不是一个词边界的变体< / em>模式产生不同的结果。

我知道\b，就像一个锚点，并不代表一个角色，而且模板被认真考虑（与使用`\ w＆＃39;相比），但为什么差异？

Answer 1

\B+会导致错误，因为重复边界没有意义 - 一个边界与两个边界相同。你错误地做了这个，所以这个错误是有道理的。
[\B]+是完全不同的东西。（大多数）转义序列在字符类中不起作用，这就是为什么这是一个与字符\或B匹配的字符集，因此显然可以重复此操作。

Answer 2

当您尝试量化一个零宽度断言的特殊正则表达式运算符时，\B+模式不会导致重复错误，这是一个常见错误。其中任何一项 - (*，|*，\b+，\B+都会导致此错误。重复零宽度断言是没有意义的，因为它不消耗任何字符并且正则表达式索引保持在相同位置。请注意，a{1,2}+和f*+（Python re不支持的占有量词）导致另一个但类似的错误 - 多次重复。

现在，\b和\B不能在字符类中使用。见re Python reference：

请注意，\b用于表示字边界，并且仅在字符类中表示“退格”。 ... 在字符范围内，\b表示退格符，以便与Python的字符串文字兼容。

另外，仅供参考，

\number
...在字符类的[和]内，所有数字转义都被视为字符。

同样，您无法在字符类<{1}}内使用\B，\A，\Z和反向引用 < / em>的。他们只是失去了他们特殊的正则表达式意义，并被视为Python认为正确的。实际上，由于Python将无效转义序列解析为\1 + char，因此 \仅匹配[\B]个字符，因为B正在转义文字符号且符号为这样匹配。因此，

\

outputs ['BBB', 'B'] only

print(re.findall(r'[\B]+', "BBB \\Bash"))只匹配所有不是退格字符的字符：

r"[^\b]+"

输出['bbb \\bash', 'aaa']。

Python正则表达式中的B + vs [\ B] + vs [^ \ b] +

2 个答案: