无法使用反向引用的后顾断言

Question

据我了解，

(.)(?<!\1)

这应该永远不会匹配。实际上，PHP的preg_replace甚至拒绝编译它，Ruby的gsub也是如此。但是Python的re模块似乎有不同的看法：

import re
test = 'xAAAAAyBBBBz'
print (re.sub(r'(.)(?<!\1)', r'(\g<0>)', test))

结果：

(x)AAAA(A)(y)BBB(B)(z)

请问是否有人可以提供一个合理的解释来说明这种行为？

更新

这种行为似乎是在re模块中的一种限制。另一个regex 模块似乎可以正确处理断言中的分组：

import regex

test = 'xAAAAAyBBBBz'

print (regex.sub(r'(.)(?<!\1)', r'(\g<0>)', test))
## xAAAAAyBBBBz

print (regex.sub(r'(.)(.)(?<!\1)', r'(\g<0>)', test))
## (xA)AAA(Ay)BBB(Bz)

请注意，与pcre不同，regex还允许可变宽度的后顾断言：

print (regex.sub(r'(.)(?<![A-Z]+)', r'(\g<0>)', test))
## (x)AAAAA(y)BBBB(z)

最终，正则表达式将会被包含在标准库中，如PEP 411所述。

- georg

---

它的匹配效果就像你使用了(.)(?!\1)。 - Brigand

Answer 1

这似乎是Python re 模块的限制（从与Microsoft的支持电话中学到的，“bug”的委婉说法）。

我猜这与Python不支持可变长度的向后查找有关，但它不够聪明，无法弄清楚 \1 将始终是固定长度。为什么编译正则表达式时它不抱怨这一点，我也说不清。

有趣的是：

>>> print (re.sub(r'.(?<!\0)', r'(\g<0>)', test))
(x)(A)(A)(A)(A)(A)(y)(B)(B)(B)(B)(z)
>>>
>>> re.compile(r'(.*)(?<!\1)') # This should trigger an error but doesn't!
<_sre.SRE_Pattern object at 0x00000000026A89C0>

因此，在Python中不要在反向引用的回溯断言中使用，正向回溯也不太好（它也会像正向前瞻一样匹配这里）：

>>> print (re.sub(r'(.)(?<=\1)', r'(\g<0>)', test))
x(A)(A)(A)(A)Ay(B)(B)(B)Bz

我甚至无法猜测这里发生了什么：

>>> print (re.sub(r'(.+)(?<=\1)', r'(\g<0>)', test))
x(AA)(A)(A)Ay(BB)(B)Bz

- Tim Pietzcker

---

谢谢，这证实了我的观点，这是一个漏洞。 - georg

Python 显然不是唯一一个在后向引用的回顾断言中存在问题的语言：https://dev59.com/s3E85IYBdhLWcg3whD7k#2735611 - Tim Pietzcker