在Python中用正則表達式替換

Question

考慮Python片段：

import re
str = 'that that kitty is cute'

# Anchor at beginning of string
rgexp_start = r'^(.*) \1'
print(re.sub(rgexp_start, r'\1', str))    

# Do NOT anchor at beginning of string
rgexp = r'(.*) \1'
print(re.sub(rgexp, r'\1', str))   

這打印：

that kitty is cute
thatkittyiscute

為什么第二個正則表達式會刪除所有空格？ 還有一個問題，請考慮JavaScript代碼段：

var str = 'that that kitty is cute';
var rgexp_start = /^(.*) \1/;
alert(str.replace(rgexp_start, '$1'));

var rgexp = /(.*) \1/;
alert(str.replace(rgexp, '$1'));

哪兩次給出：

that kitty is cute

為什么JavaScript在處理相同的正則表達式時與Python不同？

Answer 1

要回答您的第一個問題， re.sub將完全替換您傳遞的模式。

因此， r'^(.*) \\1'表示替換從頭開始的所有重復項。 既然你已經指定匹配從頭開始，並且因為字符串只有一個開頭，那么唯一能找到匹配和替換的東西就是'^that that' ，所以就完成了。

In[]: 'that that kitty is cute'

'^that that' -> 'that'

Out[]: 'that kitty is cute'

在r'(.*) \\1' ， .*實際上可以匹配0個或更多個字符 。 這很重要，因為現在正則表達式不再受限於開始了。 所以它的作用是，除了'^that that '（第一個正則表達式也做）之外，它匹配'' ，然后是空格，然后''再次匹配，總共3次。 因此，它將替代' ' （帶有空格''與（空字符串兩側）） '' 。

In[]: 'that that kitty is cute'

'that that' -> 'that'
' '         -> ''
' '         -> ''
' '         -> ''

Out[]: 'thatkittyiscute'

要回答你的第二個問題，b / w python和JS的區別，正如anubhava所解釋的那樣，默認情況下不啟用JS中的全局標志; 只發生第一次更換，保持字符串的其余部分不變。

Answer 2

Javascript行為是不同的，因為您沒有在Javascript正則表達式中打開global或g標志（默認情況下在python中打開）。

如果你使用與g標志相同的正則表達式：

var rgexp = /(.*) \1/g;
console.log(str.replace(rgexp, '$1'));

然后它將打印：

thatkittyiscute

這與python行為相同。

順便說一下，如果你使用這個略有不同的正則表達式：

(\S+) \1

然后，即使沒有錨，它也會在更換后始終打印出來，如第一個例子中所示：

that kitty is cute

\\S+匹配一個或多個非空白字符。