Question

根据Python3 Regex documentation：

{m,n}?

使结果RE匹配m个到n个重复 RE之前，尝试匹配尽可能少的重复。这个是前一个限定词的非贪婪版本。例如，在 6个字符的字符串'aaaaaa'，a {3,5}将匹配5个'a'字符，而{3,5}？只能匹配3个字符。

但是，这似乎与以下实验相矛盾：

import re
regex = re.compile('(abc|d|abcde){1,2}?(e|f)')
regex.match('abcdef')

...匹配“ abcde”。这必然涉及（abc | d | abcde）的 2 个重复，即'abc'和'd'。但是，有一个替代匹配候选者仅涉及（abc | d | abcde）的 1 重复，即“ abcde”。

我误读了文档，还是{m，n}？实际减少了匹配的字符数（或其他目的），而不是重复的次数？

Answer 1

{m,n}?尝试匹配的次数越少越好，但是它不会进入abc|d|abcde并改变|的行为。 |仍然会首先尝试使用左选项。

(abc|d|abcde){1,2}?尝试匹配一次(abc|d|abcde)，然后成功匹配abc。然后，正则表达式引擎继续处理其余的模式，并尝试匹配(e|f)，但失败。它回溯并尝试匹配abc|d|abcde的另一个重复，并匹配d。它继续继续到(e|f)并成功匹配e。

也许您希望回溯会为第一个(abc|d|abcde)尝试一个不同的选项，然后再尝试第二个(abc|d|abcde)。它不会那样做。最终，它将尝试这样做，但是首先尝试为{1,2}?进行更多匹配。

Answer 2

它不会强制执行最小重复次数，只是允许使其匹配更少的次数。

当您有多个可以匹配的替代项时，正则表达式引擎将以不同的方式处理问题。一些人“渴望”并使用第一个匹配替代项，另一些人使用“最长匹配”规则。显然，Python很渴望。因此，(abc|d|abcde)将匹配abc而不是abcde，然后下一个重复将匹配e。它不会回溯，看看是否有重复次数更少的结果。

解决方案是将更长的替代品放在首位。更改为

regex = re.compile('(abcde|abc|d){1,2}?(e|f)')

Answer 3

正则表达式不会评估所有个可能的选项，而是选择最小的选项-如果提供了它发现的第一个选项：

import re
regex = re.compile('(abc|def|gh|abcde|fghi){2,3}?(i|j)')
rex.match('abcdefghij')

{2,3}的第一个匹配项是abc|def|gh（从左到右）。

如果对样式进行重新排序，则会得到所需的内容：

import re
rex = re.compile('(abcde|fghi|abc|def|gh){2,3}?(i|j)')
print(rex.match('abcdefghij').group())

输出：

abcdefghij

Answer 4

nongreedy修饰符可调整正则表达式引擎的 preference 。通常，使用贪婪匹配时，引擎会优先选择最长的最左侧匹配。如果使用小气（非贪婪）匹配，则由小气修饰符控制的匹配将优先选择最短的最左侧匹配。

请注意，引擎仍会尽最大努力寻找匹配项。如果较长的表达式将使引擎返回匹配项，而较短的表达式则不允许，则引擎将选择允许其返回匹配项的匹配项。

考虑回溯可能对您有所帮助。对于贪婪的匹配，引擎将从最大重复成功的假设开始，然后，如果失败，则回溯并尝试连续进行更短的匹配，直到找到匹配或搜索空间耗尽。对于小匹配，首选假设是最短的匹配，而回溯将尝试连续增加重复次数。

您（不清楚的）示例可能绊倒的是，交替指定了回溯的显式顺序。引擎将从替代方案中的第一个模式开始探索匹配，只有在找到匹配项之前搜索空间用尽的情况下，才尝试尝试其他替代方案。

Answer 5

该组中的alternation从左侧开始匹配，并具有{1,2}?的非贪婪量词，该量词根据需要匹配并应用于该组。 Python不会尝试找到轮换中最长的匹配项but the first match。

当匹配开始时，引擎首先找到abc，然后尝试匹配e或f，这不匹配，因为{后面紧跟着d {1}}。

但是由于量词为abc，因此第一组还有一个可供选择的选择，而回溯则可以再次找到匹配项。它不能匹配{1,2}?，但是可以匹配abc。然后，它尝试再次匹配d或e，在此位置它可以匹配f

{m，n}吗？正则表达式实际上是将重复次数减到最少还是将匹配的字符数减到最少？

5 个答案: