python正则表达式，子群上的重复

Question

我目前正在努力掌握Python中regex的技巧。在这两方面我都不是专家。也许我使用了错误的正则表达式，这就是为什么我没有找到我的答案。如果是这样，道歉。你知道吗

我根据下面的代码创建了一个teststring和两个不同的正则表达式：

teststring = "This is just a string of literal text with some 0987654321 and an issue in it"

reg = re.compile(r"([0-9]{3})*",re.DEBUG)
outSearch = reg.search(teststring)

print "Test with ([0-9]{3})*"
if outSearch:
    print "groupSearch = " + outSearch.group()
    print

reg = re.compile(r"([0-9]{3})+",re.DEBUG)
outSearch = reg.search(teststring)

print "Test with ([0-9]{3})+"
if outSearch:
    print "groupSearch = " + outSearch.group()

此测试cde的结果如下：

max_repeat 0 4294967295
  subpattern 1
    max_repeat 3 3
      in
        range (48, 57)
Test with ([0-9]{3})*
groupSearch = 

max_repeat 1 4294967295
  subpattern 1
    max_repeat 3 3
      in
        range (48, 57)
Test with ([0-9]{3})+
groupSearch = 098765432

有趣的是：我希望两个正则表达式都会返回相同的结果。例如，我得到的结果是（[0-9]{3}）+。当我使用（[0-9]{3}）*时，regex与teststring匹配，但是外研组（）为空。有人能解释一下为什么吗？你知道吗

顺便说一句，这两个regex都没有实际用途，我只是想了解regex在Python中是如何工作的。你知道吗

Answer 1

您的第一个代码是使用*来重复-这意味着它将匹配上一个组的零次或多次出现。但是当您使用+来重复时，这需要至少出现一次。因此，只包含一个可选组的正则表达式将首先匹配字符串的最开始，如果组不接受字符串的第一个字符，则根本不匹配任何字符。如果您检查每个匹配项的start()和end()，就会更清楚：

teststring = "some 0987654321"
reg = re.compile(r"([0-9]{3})*",re.DEBUG)
outSearch = reg.search(teststring)

print("Test with ([0-9]{3})*")
if outSearch:
    print ("groupSearch = " + outSearch.group() + ' , ' + str(outSearch.start()) + ' , ' + str(outSearch.end()))

reg = re.compile(r"([0-9]{3})+",re.DEBUG)
outSearch = reg.search(teststring)

print("Test with ([0-9]{3})+")
if outSearch:
    print ("groupSearch = " + outSearch.group() + ' , ' + str(outSearch.start()) + ' , ' + str(outSearch.end()))

输出：

Test with ([0-9]{3})*
groupSearch =  , 0 , 0

Test with ([0-9]{3})+
groupSearch = 098765432 , 5 , 14

（第一个正则表达式的匹配从索引0开始，在索引0结束-空字符串）

这并不是Python独有的—这几乎是任何地方都需要的行为：

https://regex101.com/r/BwMWTq/1

（点击进入其他语言-查看所有语言（不仅仅是Python）如何在索引0处开始和结束匹配）

Answer 2

在正则表达式中：

• +：匹配前面标记的一个或多个
• *：匹配前面标记的零个或多个

现在：

• ([0-9]{3})+将匹配一个或多个时间（+）3个连续数字（[0-9]{3}），因此它在主要匹配组（即组0 098765432）中包含9个数字，忽略0987654321中的最后1，即匹配范围从索引48到56（teststring[48:57]）。您也可以使用SRE_Match对象的span()方法来检查这一点，例如outSearch.span()

• ([0-9]{3})*将匹配零个或多个时间（*）3个连续数字；因为它也可以匹配零时间，所以它匹配字符串的开头并在那里停止，将空字符串作为主要的匹配组输出，即匹配范围从字符串索引0到0