python - 为什么这两个 python 正则表达式会产生不同的结果？

Question

>>> re.match(r'"([^"]|(\\\"))*"', r'"I do not know what \"A\" is"').group(0)
'"I do not know what \\"'
>>> re.match(r'"((\\\")|[^"])*"', r'"I do not know what \"A\" is"').group(0)
'"I do not know what \\"A\\" is"'

这两个正则表达式旨在查找带转义引号序列的带引号的字符串。除非我遗漏了什么，否则区别在于括号中的析取顺序。

为什么它们不都接受整个字符串？

Answer 1

你说的是真的，顺序不同。还有一些东西是不同的。
第一个 "([^"]|(\\\"))*" 将匹配转义符，使其
匹配 "asdf\"sde"而另一个则不匹配。

此外，如果您必须处理转义引号，那么您也必须处理转义。因此，两者都无效。

这里有两种标准方法可以做到这一点。
两者都处理逃逸。
您也可以将其扩展到单引号。
如果您想跨越换行符，请使用 Dot-All 修饰符 (?s)。

方法1.-交替

"(?:\\.|[^"\\]+)*"

 " 
 (?:
      \\ .                 # Escape anything
   |                     # or,
      [^"\\]+              # Not escape not quote
 )*
 "

方法2.-展开循环

"[^"\\]*(?:\\.[^"\\]*)*"

 " 
 [^"\\]*          # Optional not escape not quote
 (?:
      \\ .             # Escape anything
      [^"\\]*          # Optional not escape not quote
 )*
 "

两者的作用相同。方法 2 比方法 1 快三到五倍。