Question

以下是Python3会话的逐字副本：

~/Documents $ python3
Python 3.5.1 (v3.5.1:37a07cee5969, Dec  5 2015, 21:12:44) 
[GCC 4.2.1 (Apple Inc. build 5666) (dot 3)] on darwin
Type "help", "copyright", "credits" or "license" for more information.
>>> import re
>>> text = 'This (is) a (test)'
>>> print(text)
This (is) a (test)
>>> re.findall('h', text)
['h']
>>> re.findall('\(.+?\)', text)
['(is)', '(test)']
>>> re.findall('\(.+?\)$', text)
['(is) a (test)']
>>>

我希望最后的findall只返回 (test)，因为它是字符串末尾$.+?$ 的最短匹配< / em>的。相反，它返回(is) a (test)。对于较长的测试字符串，它也是如此：

>>> text = 'This (is) (possibly) a (test)' >>> re.findall('$.+?$', text) ['(is)', '(possibly)', '(test)'] >>> re.findall('$.+?$$', text) ['(is) (possibly) a (test)']

它与(上第一次出现的匹配原因是什么？

请注意，我不正在寻找替代正则表达式。这个问题是关于具体的行为，因为它似乎是错误的。

我只使用Python来验证;这是由Adobe的InDesign论坛中的this question提示的，而InDesign也使用了Boost：

Adobe Indesign提供最佳的页面设计：Indesign和它的相关SDK取决于Boost Boost.Regex，Boost.Functional等。
（http://www.boost.org/users/uses_shrink.html（ sic 错别字））

Answer 1

它与第一次出现（on？
）的原因相符

因为解析器状态机从左侧开始。这是它的工作原理。如果从第一个字符开始匹配，为什么要拒绝？

那应该给你一个线索。您可能希望要求中间不出现括号：[^(]而不是.

Python 2.7.10 (default, Oct 14 2015, 16:09:02) 
[GCC 5.2.1 20151010] on linux2
Type "help", "copyright", "credits" or "license" for more information.
>>> text = 'This (is) (possibly) a (test)'
>>> import re
>>> re.findall('\(.+?\)$', text)
['(is) (possibly) a (test)']
>>> re.findall('\([^(]+?\)$', text)
['(test)']
>>>

提升正则表达式忽略“最短匹配”

1 个答案: