规则模式“^ab | cd$”和^（ab | cd）$有什么区别？

Question

下面的regex模式有什么区别？在

pattern1 = "^ab|cd$"
pattern2 = "^(ab|cd)$"
pattern3 = "^(ab)|(cd)$"

我试图编写一个正则表达式来匹配罗马数字格式（0~3999）。 我写了一个模式：

pattern = "^M{1,3}|(CM|C?D|D?C{1,3})|(X?L|XC|L?X{1,3})|(I?V|IX|V?I{1,3})$"

这个模式和“diii”或者XIIII或者类似的模式相匹配，但是我希望我的三个匹配。在

为什么会这样？在

Answer 1

r"^ab|cd$"

在开头匹配ab，在结尾匹配cd。请注意，这与出现在行中间或行尾的ab不匹配。同样地，这将不匹配出现在开头或中间的cd。在

^{pr2}$

匹配只包含ab或cd的整行。此外，字符串cd或{}被单个组捕获。在

r"^(ab)|(cd)$"

与第一个相同，但它将ab或{}分成两个独立的组。在

Answer 2

^ab|cd$表示

1. 字符串的开头，后跟ab或
2. cd后跟字符串结尾。在

也就是说，ab123匹配，因为粗体部分匹配1，并且 123cd匹配，因为粗体部分匹配2。也就是说，|符号的优先级在所有符号中最低。在

与.search一起使用时，它与s.startswith('ab') or s.endswith('cd')相同；但是 如果使用.match而不是.search，则模式必须在字符串的开头匹配，因此得到s.startswith('ab') or s == 'cd'。在

^(ab|cd)$表示

• 字符串的开头，后跟ab或{}，然后接字符串结尾
• 与ab|cd匹配的任何内容都可以作为match.group(1)获得

^(ab)|(cd)$与第一个相同，只是如果ab匹配，它可用作match.group(1)，同样地，cd如果匹配，匹配该部分的文本可用作match.group(2)。在

注意，(...)在正则表达式中有两个用途-它们将原子分组到一个原子中，并使匹配的文本在match对象中可用。如果您只需要分组，您应该使用(?:...)，因为生成子匹配字符串的成本很高。在

---

至于您的罗马数字正则表达式的问题，您在上层错误地使用了|分支。在

^M{1,3}|(CM|C?D|D?C{1,3})|(X?L|XC|L?X{1,3})|(I?V|IX|V?I{1,3})$

如果与.match（与.search一起使用，2-4甚至没有绑定到字符串的开头），它代表

1. 字符串的开头后跟M{1,3}以及其后的任何内容或
2. 字符串的开头后跟CM|C?D|D?C{1,3}以及其后的任何内容或
3. 字符串的开头后跟X?L|XC|L?X{1,3}以及其后的任何内容或
4. 字符串的开头后跟I?V|IX|V?I{1,3}，然后是字符串的结尾。在

---

您不希望在主级别使用|，而是将这1-4中的每一个都作为可选的，使用?；而且您通常希望使用非捕获组（(?: )）进行分组。因此我们得到：

^{pr2}$

但它仍然匹配空字符串。要使其不匹配空字符串，可以使用零宽度正前向查找来要求整个构造至少匹配1个（任意）字符。在

从Python docs

(?=...) Matches if ... matches next, but doesn’t consume any of the string. This is called a lookahead assertion. For example, Isaac (?=Asimov) will match 'Isaac ' only if it’s followed by 'Asimov'.

因此，我们可以将它放在字符串锚定符^的开头之后，以确保整个字符串至少匹配^.（即，字符串的开头后跟1个字符）：

^(?=.)(?:M{1,3})?(?:CM|C?D|D?C{1,3})?(?:X?L|XC|L?X{1,3})?(?:I?V|IX|V?I{1,3})?$

也就是说：

• 字符串开头（^）
• 字符串结束前至少有1个字符（(?=.)）
• M{1,3}（可选），后跟
• CM|C?D|D?C{1,3}（可选），后跟
• X?L|XC|L?X{1,3}（可选），后跟
• I?V|IX|V?I{1,3}（可选），后跟
• 字符串结尾$

这应该是你想要的。在