Question

我很少使用|与*之前一起。但今天当我同时使用它们时，我发现一些结果确实令人困惑。我使用的表达式如下（在python中）：

>>> s = "abcdefg"
>>> re.findall(r"((a.*?c)|(.*g))",s)
[('abc',''),('','defg')]

第一次捕获的结果是可以的，但第二次捕获超出了我的预期，因为我预计第二次捕获将是＆＃34; abcdefg＆＃34; （整个字符串）。

然后我颠倒了两个选择：

>>> re.findall(r"(.*?g)|(a.*?c)",s)
[('abcdefg', '')]

似乎正则表达式引擎只读取字符串一次 - 当在第一个备选方案中读取整个字符串时，正则表达式引擎将停止并且不再检查第二个备选方案。但是，在第一种情况下，在处理第一种替代方案之后，正则表达式引擎只读取＆＃34; a＆＃34;到＆＃34; c＆＃34;，还有＆＃34; d＆＃34;到＆＃34; g＆＃34;留在字符串中，匹配＆＃34;。*？g＆＃34;在第二种选择中。我做对了吗？更重要的是，对于具有替代方案的表达式，正则表达式引擎将首先检查第一个备选方案，如果它与字符串匹配，则它将永远不会检查第二个备选方案。这是对的吗？

此外，如果我想同时获得＆＃34; abc＆＃34;和＆＃34; abcdefg＆＃34;或＆＃34; abc＆＃34;和＆＃34; bcde＆＃34; （两个结果重叠）就像第一种情况一样，我应该使用什么表达式？

非常感谢你！

Answer 1

你不能从正则表达式中的相同位置开始有两个匹配（唯一的正则表达式就是Perl6）。

在re.findall(r"((a.*?c)|(.*g))",s)中，re.findall会抓取字符串中所有非重叠的匹配项，并且由于第一个匹配项从开头开始，以c结尾，下一个匹配项只能是在c之后defg内找到。

(.*?g)|(a.*?c)正则表达式与abcdefg匹配，因为正则表达式引擎从左到右解析字符串，而.*?将尽可能少地获取任何0+字符，但直到第一个字符{ {1}}。由于g是最后一个字符，它将匹配并将整个字符串捕获到组1中。

要获得g和abc，您可以使用

abcdefg

请参阅regex demo

Python demo：

 (a.*?c)?.*g

它可能不是你想要的，但它应该给你一个提示：你匹配较大的部分，并捕获字符串的子部分。

Answer 2

重新阅读re.findall方法的文档。

findall＆＃34;返回[s]字符串中pattern的所有非重叠匹配，作为字符串列表。字符串从左向右扫描，匹配按查找顺序返回。＆＃34;

具体来说，非重叠匹配，从左到右。因此，如果您有一个字符串abcdefg并且一个模式将匹配abc，那么任何其他模式必须（1）不重叠; （2）进一步向右。

根据说明，匹配abc和defg非常有效。匹配abc和abcdefg甚至abc和cdefg是一个错误，因为它们会重叠。

替代匹配的行为＆＃34; |＆＃34;在正则表达式中使用。*

2 个答案: