Python re模塊組匹配機制

Question

問題形成

背景

在我閱讀python2.7 redoc的教程時，它介紹了組的行為：

groups（）方法返回一個元組，其中包含所有子組的字符串，從1到有很多子組。

題

我很清楚這是如何工作的。 但我可以理解以下示例：

>>> m = re.match("([abc])+","abc")
>>> m.groups()
('c',)

我的意思是，不是+僅僅意味着一個或多個。 如果是這樣，則不應該使用正則表達式([abc])+ = ([abc])([abc])+ （不是正式的BNF）。 因此，結果應為：

('a','b','c')

請闡明一些背后的機制，謝謝。

PS

我想學習正則表達式語言解釋器，該如何開始？ 書籍或正則表達式版本，謝謝！

Answer 1

基本上，正則表達式術語中所指的groups是regex中定義的捕獲組。

因此，例如，在'([abc])+' ，只有一個捕獲組，即([abc]) ，而在類似'([abc])([xyz])+' ，有2個組。

因此，在您的示例中，調用.groups()將始終返回長度為1的元組，因為這是您的正則表達式中存在多少個組。

它未返回預期結果的原因是因為您在組外使用了重復運算符+ 。 最終導致該組僅等於最后一個匹配項 ，因此僅保留了最后一個匹配項（ c ）。 另一方面，如果您使用了'([abc]+)' （請注意+ 在捕獲組中），則結果應為：

('abc',)

Answer 2

一對分組括號構成一個分組，即使它在一個量詞中也是如此。 如果某個組由於量詞而多次匹配，則僅保存該組的最后一個匹配項。 該組的數量沒有匹配的組那么多。

Answer 3

好吧，我想一張圖片值得一千個字：

鏈接到演示

發生的是，正如您在自動機的視覺表示中看到的那樣，您的正則表達式將一個字符分組一次或多次，直到到達比賽結束為止。 然后，最后一個角色進入群組。

如果要獲得您說的輸出，則需要執行以下操作：

([abc])([abc])([abc])

它將在每個位置匹配並分組一個字符。

關於文檔，我建議您先閱讀NFA和正則表達式的理論。 關於該主題的MIT文檔非常不錯：

• http://ocw.mit.edu/courses/electrical-engineering-and-computer-science/6-045j-automata-computability-and-complexity-spring-2011/lecture-notes/