python -\2 正则表达式的意思

Question

这个问题已经有答案了:

My regex is matching too much. How do I make it stop? [duplicate] (4 个回答)

Reference - What does this regex mean? (1 个回答)

Have trouble understanding capturing groups and back references (2 个回答)

已关闭 4 年前。

据我了解，\2代表第2组的内容。

因此，表达式 r'(\w*)(\w)\2'应该返回 group2 的内容(即 \w )但是当我们使用具有重复字符的单词时，它会返回重复的字符。示例:

re.search(r'(\w*)(\w)\2','finally').group(2) -> 'l'
re.search(r'(\w*)(\w)\2','finallyy').group(2) ->'y'

在第一个示例中，输出是“l”而不是“y”。

谁能告诉我正则表达式中\2 到底是什么意思以及我的理解错在哪里。

Answer 1

这是对第二个捕获组的“引用”。这意味着第二个捕获组中的内容是重复的。

例如，使用此正则表达式，'finally' 和 'finallyy' 匹配为:

(\w*) (\w) \2    <rest>
fina   l   l     y
finall y   y

由于Kleene star是贪婪的，它通常会吃掉尽可能多的字符，但仍然匹配字符串。

简而言之，如果第二个捕获组匹配 foo，那么 \2 也必须能够匹配 foo。

严格来说，此类构造并不总是正则表达式(至少不是严格的数学意义上的):正则表达式只能匹配正则语言，而正则语言应该是可通过有限状态机进行解析。例如，如果第二组可以匹配任意数量的字符(例如使用 (\w+)\1)，则无法在有限状态机上对其进行编码。