什么是錯誤：在編譯的Python正則表達式的回溯中沒有重復的意思

Question

我有一個有趣的問題，試圖理解和改進我在Python中使用REGEX

這是一個正則表達式

verbose_signature_pattern_2 = re.compile("""
^            # begin match at new line
\t*          # 0-or-more tab
[ ]*         # 0-or-more blankspaces
S            # capital S
[iI][gG][nN][aA][Tt][uU][rR][eE]
[sS]?        # 0-or-1 S
\s*          # 0-or-more whitespace
[^0-9]       # anything but [0-9]
$            # newline character
""", re.VERBOSE|re.MULTILINE)

當我運行代碼時，我收到一個錯誤

""", re.VERBOSE|re.MULTILINE)
  File "C:\Python27\lib\re.py", line 190, in compile
return _compile(pattern, flags)
File "C:\Python27\lib\re.py", line 242, in _compile
raise error, v # invalid expression
error: nothing to repeat

如果我刪除選項卡（\\ t）特殊字符上的0或更多限定符，則不會拋出錯誤

我正在嘗試找到一些行，這些行有一些Signature一詞的變體作為行中的第一個單詞。 我知道我可以使用稍微不同的方法來獲得我需要的東西。 但是，我想象文檔的創建者可能會選中以大致居中這個詞，或者他們可能會使用空格。 我不想使用\\ s因為我不想捕獲可能在具有單詞Signature的行之前的所有空行。 具體來說，我試圖避免捕獲所有這些問題

'\n\n\n\n            Signature    \n

我只想在輸出中看到這個

'            Signature    \n

我確實意識到我可以輕松剝離多余的新行字符，但我正在努力理解並更精確地做事。 有趣的是，以下REGEX具有相同的開始，但它似乎按預期工作。 這就是我沒有得到一個錯誤，當這個編譯，它似乎給了我想要的東西 - 雖然我仍然需要找到更多的邊緣情況。

verbose_item_pattern_2 = re.compile(r"""
^            # begin match at newline
\t*          # 0-or-more tabs
[ ]*         # 0-or-more blanks
I            # a capital I
[tT][eE][mM] # one character from each of the three sets this allows for unknown case
\t*          # 0-or-more tabs
[ ]*         # 0-or-more blanks
\d{1,2}      # 1-or-2 digits
[.]?         # 0-or-1 literal .
\(?          # 0-or-1 literal open paren
[a-e]?       # 0-or-1 letter in the range a-e
\)?          # 0-or-1 closing paren
.*           # any number of unknown characters so we can have words and punctuation
[^0-9]       # anything but [0-9]
$            # 1 newline character
""", re.VERBOSE|re.MULTILINE)

Answer 1

第一個字符串不是原始字符串。 因此，當Python編譯字符串時（在它進入正則表達式引擎之前），它將替換所有轉義序列。 所以\\t實際上會成為字符串中的制表符（而不是反斜杠-t）。 但是你正在使用freespacing模式（ re.VERBOSE ）。 因此，空白是微不足道的。 你的正則表達式相當於：

^*[ ]*S[iI][gG][nN][aA][Tt][uU][rR][eE][sS]?\s*[^0-9]$

即使在非原始字符串中， \\s仍保持\\s ，因為它不是Python字符串中可識別的轉義序列。

然后在開頭^*導致問題，因為你不能重復錨。

這就是為什么你應該總是使用原始字符串來編寫正則表達式。 然后\\t只保留反斜杠-t，正則表達式引擎可以將其解釋為選項卡。

順便說一句， [ ]的空格不是問題，因為即使在詳細/自由空間模式中，字符類中的空格也很重要。