python - python 正则表达式是否有不编译 r'(\s*)+' 的原因？

Question

我不明白为什么 '(\s*)+' 给出错误 'nothing to repeat'。同时 '(\s?)+' 运行良好。

我发现这个问题已经为人所知有一段时间了(例如 regex error - nothing to repeat )，但我仍然在 Python 3.3.1 中看到它。

所以我想知道这种行为是否有合理的解释。

现实中我想匹配一行重复的单词或数字，例如:

'foo foo foo foo'

我想出了这个:

'(\w+)\s+(\1\s*)+'

失败是因为第二组:(\1\s*)+在大多数情况下，我可能不会在单词之间留出超过 1 个空格，所以 (\1\s?)+ 会起作用。出于实用目的，此选项也应该有效 (\1\s{0,1000})+

更新:我想我应该补充一点，我只在 python 中看到过这个问题。在 perl 中它有效:

`('foo foo foo foo' =~ /(\w+)\s+(\1\s*)+/) `

不确定是否等价，但 vim 也可以:

`\(\<\w\+\>\)\_s\+\(\1\_s*\)\+`

更新 2:我发现了另一种 regex 的 python 实现，据说有一天会取代当前的 re。经查，以上问题均未出现该错误。该模块必须单独安装。可以下载here或者通过 pypi

Answer 1

python 的问题主要是链接帖子中提出的 null 问题。如果您至少要拥有一个角色，我建议您改用:

(\s+)+

也就是说，如果您要求 (\s*)+ 的想法是 + 需要存在某些东西，并且 * 没有。匹配 ? 也没有多大意义，但是您可以通过说这是一个可选匹配来在心理上解决它，这意味着如果找不到它继续前进，而不是 * 什么都不解释为匹配模式。

但是，如果您真的想检查 Python 的问题是什么，我建议您尝试一下范围。例如，我通过使用这两个示例得出结论:

re.compile("(\s{1,})+")

这很好

re.compile("(\s{0,})+")

以同样的方式失败。

至少这意味着它不是 Python 中的“错误”。这是一个有意识的设计决定，它作用于概念上落入同一个坑的每个正则表达式模式。我的猜测(在几个不同的环境中检查过)是 (\s{0,})+ 肯定会失败，因为它明确地重复了一个潜在的空元素。

不过，似乎有不少环境使用*来表示匹配是可选的，而python并不遵循这种选择。这在很多情况下都有意义，但偶尔会导致奇怪的行为。我认为 Guido 在这里做出了正确的选择，因为存在不一致的空间意味着您违反了泵引理并且您的模式不再是上下文无关的。

在这种情况下，这可能无关紧要，但这意味着该正则表达式中不可避免地会存在无法解决的歧义。

所以你遇到了问题，然后你选择使用正则表达式来解决那个问题。现在你有 2 个问题，C'est la vie。