Question

我正在使用re.match与python进行相当复杂的匹配，其形式为(some_pattern_1)?(some_pattern_2)?..(.*)

另一方面，我有一个单元测试，我正在检查大约一百个例子，它们都是异步向我的（本地，开发）服务器发送请求。服务器在django。

我有时候看到这场比赛显然是非贪婪的（即最后一次抓住所有区块的事情太多了）并且单元测试失败了，但是不能真正重现它，我不是真的知道发生了什么。

更具体地说，正则表达式的相关部分是（在Python中）：

import re

input = "1 small shoe"

sizes = ["small", "large", "big", "huge"]
colors = ["blue", "red", "green", "yellow", "grey"]
anySize = u' |'.join(sizes)
anyColor = u' |'.join(colors)
matched_expression = re.match(
    r'\s*(?P<amount>(((\d{1,2}\.)?\d{1,3})?)\s*'
    r'(?P<size>(\b'+anySize+'\b)?)\s*'
    r'(?P<color>(\b'+anyColor+'\b)?)\s*'
    r'(?P<name>.*, input, re.UNICODE|re.IGNORECASE)
if matched_expression:
    print(matched_expression.groupdict()["amount"])
    print(matched_expression.groupdict()["size"])
    print(matched_expression.groupdict()["color"])
    print(matched_expression.groupdict()["name"])

我有时会看到这张照片：

1
''
''
'small shoe'

是否存在可能发生这种情况的条件（我认为正则表达式匹配原则上是完全确定的是正确吗？）

Answer 1

您用于构建模式的大多数字符串文字是原始文字（使用r前缀引入），这很棒 - 字符串解释器因此不提供反斜杠任何特殊的意义，但相反，它们完整的正则表达式解析器。但是，遗憾的是，在每种情况下都没有使用原始文字：

    r'(?P<size>(\b'+anySize+'\b)?)\s*'
#                           ^^^^^^^^^^   this is not a raw string literal

    r'(?P<color>(\b'+anyColor+'\b)?)\s*'
#                             ^^^^^^^^^^ and nor is this

因此，在将解释的字符串提供给正则表达式编译器之前，这些文字中的反斜杠具有String and Bytes literals下描述的效果。因此，您的\b边界锚将替换为ASCII退格字符！

使用原始字符串文字，前缀为r，或者确保转义它们包含的反斜杠。

但是，您的代码还有许多其他问题值得注意：

如目前所写，由于某些语法错误，您的正则表达式将无法编译。特别是，由于括号不平衡，名为amount和name的捕获组不会终止：
```
    r'\s*(?P<amount>(((\d{1,2}\.)?\d{1,3})?)\s*'
#        +          +++         -        - -
```
有四个左括号，但只有三个右括号。你可能打算写：
```
    r'\s*(?P<amount>(((\d{1,2}\.)?\d{1,3})?))\s*'
#                                           ^
```
同样，r'(?P<name>.*, ...应该是r'(?P<name>.*)', ...（注意模式字符串需要在参数分隔符之前终止）。
\b边界锚点比|交替更紧密地绑定，因此当放置在与连接数组相同的级别时，它们仅分别绑定到备选项的第一个和最后一个元素。例如，名为size的捕获组当前由以下模式指定：
```
(\bsmall |large |big |huge\b)?
```
在优先级方面，这相当于：
```
((\bsmall )|(large )|(big )|(huge\b))?
```
最好将边界锚放在括号之外：
```
    r'(?P<size>\b('+anySize+r')?\b)\s*'
    r'(?P<color>\b('+anyColor+r')?\b)\s*'
```
如上所示，连接表达式中的空格可能会导致意外后果：anySize和anyColor要求除了基础数组中的最终项之外的所有项都是（如果存在），后跟一个空格字符（除了那些与\s*模式匹配的字符。最好单独使用'|'加入数组，而不是' |'：
```
anySize = u'|'.join(sizes)
anyColor = u'|'.join(colors)
```
根据底层数组的来源以及您对它们的信心，它们不包含任何特殊的正则表达式模式，您可能希望首先转义数组元素。

re.match输出不确定

1 个答案: