Python 正则表达式中的“无需重复”

Question

这是一个正则表达式 - 由 egrep 和 Python 2.7 尝试：

$ echo '/some/path/to/file/abcde.csv' | egrep '*([a-zA-Z]+).csv'

/some/path/to/file/ abcde.csv

但是，Python 中的相同正则表达式：

re.match(r'*([a-zA-Z]+)\.csv',f )

给出：

Traceback (most recent call last):
  File "/shared/OpenChai/bin/plothost.py", line 26, in <module>
    hosts = [re.match(r'*([a-zA-Z]+)\.csv',f ).group(1) for f in infiles]
  File "/usr/lib/python2.7/re.py", line 141, in match
    return _compile(pattern, flags).match(string)
  File "/usr/lib/python2.7/re.py", line 251, in _compile
    raise error, v # invalid expression
sre_constants.error: nothing to repeat

进行搜索发现这里似乎存在一个 Python 错误：

正则表达式错误 - 无需重复

这似乎是一个 python 错误（在 vim 中完美运行）。 问题的根源是 (\\s*...)+ 位。

但是，我不清楚：那么上面显示的正则表达式的解决方法是什么 - 让python快乐？

谢谢。

Answer 1

您不需要模式中的* ，它会导致问题，因为您试图量化模式的开头，但没有任何东西，空字符串，可以量化。

同样的“ Nothing to repeat ”错误发生在你

• 将任何量词（ + 、 ? 、 * 、 {2} 、 {4,5}等）放在模式的开头（例如re.compile(r'?') ）
• 在^ / \\A字符串锚\\A开头之后添加任何量词（例如re.compile(r'^*') ）
• 在字符串锚的$ / \\Z结尾之后添加任何量词（例如re.compile(r'$*') ）
• 在单词边界后添加任何量词（例如re.compile(r'\\b*\\d{5}') ）

但是请注意，在 Python re ，您可以量化任何环视，例如(?<!\\d)*abc和(?<=\\d)?abc将产生相同的匹配，因为环视是可选的。

用

([a-zA-Z]+)\.csv

或者匹配整个字符串：

.*([a-zA-Z]+)\.csv

看演示

原因是*未转义，因此被视为量词。 它应用于正则表达式中的前一个子模式。 在这里，它用于模式的开头，因此无法量化任何内容。 因此，不会抛出任何重复的内容。

如果它在 VIM 中“有效”，那只是因为 VIM 正则表达式引擎忽略了这个子模式（与 Java 在像[([)]]这样的字符类中使用未转义的[和]一样）。

Answer 2

这不是一个错误 python 正则表达式引擎使用传统的 NFA 来匹配模式。 字符*仅在前面有标记时才起作用。

'*'

使生成的 RE 匹配前面RE 的 0 次或多次重复，尽可能多的重复。 ab* 将匹配 'a'、'ab' 或 'a' 后跟任意数量的 'b'。

因此，您可以使用.*重复任何字符（ . ）：

r'.*([a-zA-Z]+)\.csv'

python 还提供了支持 Unix shell 风格通配符的模块fnmatch 。

>>> import fnmatch
>>> s="/some/path/to/file/abcde.csv"
>>> fnmatch.fnmatch(s, '*.csv')
True