在正則表達式“ *？”中使用非貪婪限定詞

Question

我有一個基於python 2.7的程序，可以從用戶（作為文本文件）或直接在命令提示符下輸入。 然后，我必須驗證輸入以確保其格式正確（並在需要時使用代碼重新格式化）。

來自用戶的理想輸入將是用逗號分隔的單詞，例如"blade, coffeen, cardiac". 但是我想進行檢查以允許輸入格式為"blade, coffeen, , cardiac" "blade,,cofeen,cardiac" "blade coffeen cardiac"等。

這意味着我可能必須使用非貪婪的限定詞，例如*? 。 盡管我知道基本的正則表達式，但是這個特殊的*? 還不清楚。 現在，我正在使用input_string.split(',')然后使用input_string.split(' ')來說明各種情況，但是從某種程度上來說，它感覺太過Python和混亂了。 我還想知道是否存在我未曾想到的場景，這些場景會破壞生產中的代碼。

在互聯網上查看此鏈接 https://docs.python.org/2/howto/regex.html在解釋.*?做得很好.*? 可行，我想我是否使用[, ]*? ，可以解決我的問題。

我的問題是：
1.我可以使用[, ]*? 就我而言，考慮到我上面描述的三種可能的輸入情景？
正如我提到的，無論如何，在驗證之后我都會使用string.split(',')之后再使用string.split(' ') ，但是使用正則表達式檢查會使其更整潔。 無論如何，我想了解[, ]*?到底是[, ]*? 如果使用將表現。

Answer 1

是的，您可以使用[, ]*? 如果它是較大的正則表達式的一部分。 您也可以在這種情況下使用re.split() ，而不必單獨使用str.split() 。

但是，您不需要使用? 貪婪修飾符，因為您要顯式檢查用空格和逗號分隔的單詞 。 單詞字符本身不會匹配[, ]*集。 實際上，貪婪的匹配將提高匹配的性能，因為正則表達式將一次性獲取所有空格和逗號，而不是一次僅獲取一個，然后必須檢查模式的其余部分是否匹配。第一個空格或逗號，然后是下一個空格或逗號，依此類推。

因此，以下工作 ，但刪除? 使表達式更好地工作：

>>> import re
>>> test = "blade, coffeen,    , cardiac"
>>> re.search('blade[, ]*?coffeen[, ]*?cardiac', test)
<_sre.SRE_Match object at 0x100758c60>
>>> re.search('blade[, ]*coffeen[, ]*cardiac', test)
<_sre.SRE_Match object at 0x1026101d0>

當您嘗試使用re.split()而僅使用[, ]*?時，您會注意到問題[, ]*? 作為模式：

>>> import re
>>> test = "blade, coffeen,    , cardiac"
>>> re.split('[, ]*?', test)
['blade, coffeen,    , cardiac']

用[, ]*?分割時[, ]*? ，即使寬度為零的字符串 （空字符串re.split()也會與表達式匹配，並且re.split()不會僅在空字符串上分割。 不貪心，零寬度的字符串滿足測試要求，並且正則表達式引擎不會再尋找更多內容。

您可以將其修改為使用+? （至少匹配一個或多個）：

>>> re.split('[, ]+?', test)
['blade', '', 'coffeen', '', '', '', '', '', '', 'cardiac']

現在，您將在中間得到一系列完整的空字符串，因為它們將單詞之間的各種空格和逗號分隔開。

僅當我刪除非貪婪修飾符時，它才能正確地將您的選項拆分為一個列表，因為現在單詞之間的所有空格和逗號都匹配並且用於拆分：

>>> re.split('[, ]*', test)
['blade', 'coffeen', 'cardiac']

因此，不要擔心貪婪，當匹配邊界不會混淆或過度匹配的非常特定的字符子集時，不要擔心。