Question

考虑Python代码段：

import re
str = 'that that kitty is cute'

# Anchor at beginning of string
rgexp_start = r'^(.*) \1'
print(re.sub(rgexp_start, r'\1', str))    

# Do NOT anchor at beginning of string
rgexp = r'(.*) \1'
print(re.sub(rgexp, r'\1', str))

打印：

that kitty is cute
thatkittyiscute

为什么第二个正则表达式会删除所有空格？还有一个问题，请考虑JavaScript代码段：

var str = 'that that kitty is cute';
var rgexp_start = /^(.*) \1/;
alert(str.replace(rgexp_start, '$1'));

var rgexp = /(.*) \1/;
alert(str.replace(rgexp, '$1'));

哪两次给出：

that kitty is cute

为什么JavaScript在处理相同的正则表达式时与Python不同？

Answer 1

要回答您的第一个问题，re.sub将完全替换您传递的模式。

因此，r'^(.*) \1'表示替换从头开始的所有重复项。由于您已指定匹配从头开始，并且因为字符串只有一个开头，因此唯一可以找到匹配和替换的是'^that that'，因此它已完成。

In[]: 'that that kitty is cute'

'^that that' -> 'that'

Out[]: 'that kitty is cute'

如果是r'(.*) \1'，.*实际上可以匹配 0个或更多字符。这很重要，因为现在正则表达式不再受限于开始了。所以它的作用是，'^that that＆＃39; （第一个正则表达式也是这样），它匹配''，然后是空格，然后是''，再次匹配，共3次。因此，它会用' '替换''（两边都有''（空字符串）的空格）。

In[]: 'that that kitty is cute'

'that that' -> 'that'
' '         -> ''
' '         -> ''
' '         -> ''

Out[]: 'thatkittyiscute'

要回答你的第二个问题，不同的是b / w python和JS，正如anubhava所解释的那样，JS中的全局标志默认不启用;只发生第一次更换，保持字符串的其余部分不受影响。

Answer 2

Javascript行为不同，因为您没有在Javascript正则表达式中打开global或g标记（默认情况下在python中打开）。

如果您使用带g标记的相同正则表达式：

var rgexp = /(.*) \1/g;
console.log(str.replace(rgexp, '$1'));

然后会打印出来：

thatkittyiscute

与python的行为相同。

顺便说一句，如果你使用这个略有不同的正则表达式：

(\S+) \1

然后，即使没有锚，也会在更换后始终打印出来，如第一个例子所示：

that kitty is cute

\S+匹配一个或多个非空白字符。

在Python中用正则表达式替换

2 个答案: