python - 简单数学表达式的正则表达式

Question

作为练习，我试图想出一个正则表达式来评估像这样的简单代数

q = '23 * 345 - 123+65'

我想从这里得到 '23'、'*'、'345'、'-'、'123'、'+'、'65'。

现在，我搜索了类似的问题，其他人已经解决了这个问题。但我真正想知道的是为什么我的解决方案不起作用。

这是我得到的最好的:

regexparse = '(\d+\s*(\*|\/|\+|\-)\s*)+(\d+\s*)'

解释

• (\d+\s*(*|/|+|-)\s*)+
  • ( 一个或多个数字\d+ 后面可以跟空格\s* 然后必须跟符号之一 (*|/|+|-) 然后可以跟更多的空格\s* 和整个事情必须至少出现一次 )+
• (\d+\s*)
  • 一个或多个数字，后面可以跟空格

但是，当我运行代码时

m = re.match(regexparse, q)
print m.group(0)
print m.group(1)
print m.group(2)
print m.group(3)

我明白了

23 * 345 - 123+65
123+
+
65

所以这就像第一个 block 匹配尽可能少的字符。为什么？

Answer 1

这是你的正则表达式:

(\d+\s*(\*|\/|\+|\-)\s*)+(\d+\s*)

(\d+\s*(\*|\/|\+|\-)\s*) 将匹配表达式的第一部分:23 * 并将 * 存储在第二组中。

然后 + 让它重复，但是因为重复的捕获组只保留他们的最后一个匹配，它会丢弃 23 * 和 * 和而是匹配第二组中的 345 - 和 -。

+ 在下一次重复中再次工作以丢弃最后一次捕获，而是捕获第一组中的 123+ 和第二组中的 +第二。

接下来，+不能再重复了，所以停止，(\d+\s*)开始匹配得到65。

---

重复捕获组仅存储最后一次捕获的事实是正则表达式设计的方式，并且在所有正则表达式引擎 AFAIK 中都是如此。

---

进一步阐述:

重复匹配和重复捕获是有区别的。在 12345 上尝试:(\d)+，您将看到只有 5 会被捕获。就像那样，因为您的 parent 被分配了一个特定的组捕获。第一组被分配为第 1 组，如果第 1 组有很多捕获，则只能保留 1 个，这是最后一个。不幸的是，这就是正则表达式的工作方式，as per the docs :

If a group matches multiple times, only the last match is accessible

---

如果你想得到你想要的输出，你可以使用 re.findall 并匹配 \d+|[+/*-]:

import re
q = '23 * 345 - 123+65'
regexparse = r'\d+|[+/*-]'
elem = re.findall(regexparse, q)
print(elem)
#=> ['23', '*', '345', '-', '123', '+', '65']