python - 为什么在 Python 中的子字符串 "not completely equivalent to slicing the string"中进行正则表达式搜索？

Question

作为 documentation声明，使用 regex.search(string, pos, endpos) 并不完全等同于对字符串进行切片，即 regex.search(string[pos:endpos])。它不会匹配 的正则表达式，好像 字符串从 pos 开始，所以 ^ 不匹配 子字符串的开头，但只匹配整个字符串的真正开头。但是，$ 匹配子字符串的结尾或整个字符串。

    >>> re.compile('^am').findall('I am falling in code', 2, 12)
    []        # am is not at the beginning
    >>> re.compile('^am').findall('I am falling in code'[2:12])
    ['am']    # am is the beginning
    >>> re.compile('ing$').findall('I am falling in code', 2, 12)
    ['ing']   # ing is the ending
    >>> re.compile('ing$').findall('I am falling in code'[2:12])
    ['ing']   # ing is the ending

    >>> re.compile('(?<= )am').findall('I am falling in code', 2, 12)
    ['am']    # before am there is a space
    >>> re.compile('(?<= )am').findall('I am falling in code'[2:12])
    []        # before am there is no space
    >>> re.compile('ing(?= )').findall('I am falling in code', 2, 12)
    []        # after ing there is no space
    >>> re.compile('ing(?= )').findall('I am falling in code'[2:12])
    []        # after ing there is no space

    >>> re.compile(r'\bm.....').findall('I am falling in code', 3, 11)
    []
    >>> re.compile(r'\bm.....').findall('I am falling in code'[3:11])
    ['m fall']
    >>> re.compile(r'.....n\b').findall('I am falling in code', 3, 11)
    ['fallin']
    >>> re.compile(r'.....n\b').findall('I am falling in code'[3:11])
    ['fallin']

我的问题是...为什么 beginning 和 ending 匹配之间不一致？为什么使用pos和endpos把end当作真正的结束，而start/beginning没有被处理作为真正的开始/开始？

有没有什么方法可以使用 pos 和 endpos 模拟切片？因为 Python copies string when slicing在多次处理大字符串时，使用 pos 和 endpos 而不是切片会更有效，而不是仅仅引用旧的。

Answer 1

起始位置参数pos例如，对于进行词法分析器特别有用。使用 [pos:] 对字符串进行切片的性能差异并使用 pos参数可能看起来微不足道，但事实并非如此；例如，参见 JsLex lexer 中的此错误报告.

确实，^匹配字符串的真正开头；或者，如果 MULTILINE被指定，也在行首；这也是设计使然，因此基于正则表达式的扫描器可以轻松区分真正的行首/输入开头和一行上/输入内的其他点。

请注意，您也可以使用 regex.match(string[, pos[, endpos]]) 函数将匹配锚定到 pos 指定位置的开始字符串 或 ;因此而不是做

>>> re.compile('^am').findall('I am falling in code', 2, 12)
[]

您通常会将扫描仪实现为

>>> match = re.compile('am').match('I am falling in code', 2, 12)
>>> match
<_sre.SRE_Match object; span=(2, 4), match='am'>

然后设置pos至match.end() (在这种情况下返回 4)用于连续的匹配操作。

必须从 pos 开始找到匹配项。 :

>>> re.compile('am').match('I am falling in code', 1, 12)
>>> 

(请注意 .match 如何像隐式 ^ 一样锚定在输入的开头，而不是在输入的末尾；实际上，这通常是错误的来源，因为人们认为匹配同时具有隐式^ 和 $ - Python 3.4 添加了执行此操作的 regex.fullmatch )

---

至于为什么endpos参数与pos不一致- 我不确切知道，但这对我来说也很有意义，因为在 Python 2 中没有 fullmatch并在那里锚定 $是确保整个跨度必须匹配的唯一方法。