正则表达式 - 不同的字符串相同的匹配

Question

我明白模式r'([a-z]+)\1+'在搜索字符串中寻找重复的多字符模式，但我不明白为什么在k2的情况下答案不是'aaaaa'（5个'a'）：

import re
k1 = re.search(r'([a-z]+)\1+', 'aaaa')
k2 = re.search(r'([a-z]+)\1+', 'aaaaa')
k3 = re.search(r'([a-z]+)\1+', 'aaaaaa')
print(k1)  # <_sre.SRE_Match object; span=(0, 4), match='aaaa'>
print(k2)  # <_sre.SRE_Match object; span=(0, 4), match='aaaa'>
print(k3)  # <_sre.SRE_Match object; span=(0, 6), match='aaaaaa'>

Python 3.6.1

- Maxim Andreev

---

请逐步解释您当前的推理过程。否则，无法确定真正困扰您的问题是什么。 - Mad Physicist

https://regex101.com/ 是一个很好的网站，可以帮助你学习正则表达式（我与其无关！） - AlG

它必须是偶数个字符，因为你要重复一个事物两次。之所以是两次，是因为‘+’是贪婪的，并且第一个具有优先级。 - Mad Physicist

无论有多少个 x，(x)x 的长度都不可能是奇数。 - Jongware

这是因为 + 是贪婪的。它试图尽可能匹配更多内容。要么将其更改为 ([a-z]+?)\1+，要么使用锚点 ([a-z]+)\1+\b。 - ctwheels

只是提醒一下，这个([a-z]+)将匹配与\1完全相同的数量和内容。因此，在\1中添加一个+量词不会匹配超过第1组匹配的内容，这是不可能的。这也会导致一个均匀的匹配。如果你将它改为([a-z])\1+，它将匹配第1组捕获的2个或更多内容。 - user557597

Answer 1

因为 + 是贪婪的。

发生的情况是 ([a-z]+) 首先匹配了 'aaaaa'，然后回溯直到 \1+ 匹配了字符串，并停止。因为 'aa' 是第一个让 \1 成功匹配的 ([a-z]+) 值，所以返回它。

- C_Elegans

Answer 2

这里的关键概念是“回溯”。每当一个模式包含具有不同长度的量化子模式时，正则表达式引擎可以以各种方式匹配字符串，一旦在量化部分之后的某个正则表达式部分无法匹配某个子字符串，它就可以“回溯”，即释放属于量化模式的字符并尝试与随后的子模式匹配。

看看更大的图景：

让我们先看看较短的字符串是否匹配，然后再看长的例子......为什么 "a" 没有匹配？因为由于 "[a-z]+ "和 "\1+" 要求至少匹配一个字符，所以必须至少有两个字符。"aa" 匹配了，因为第一个 "([a-z]+)" 先匹配了整个字符串，然后回溯以适应 "\1+" 模式的一些文本（并匹配第二个 "a"），因此存在匹配。三个 "a" 的字符串 "aaa" 作为一个整体匹配，因为第一个 "([a-z]+)" 先匹配了整个字符串，然后回溯以适应 "\1+" 模式的一些文本（请注意，捕获组只需要保存一个 "a"，当尝试两个 "aa" 时，"\1+" 无法匹配最后的第三个 "a"），并且存在三个 "a" 的匹配。现在，来看看问题中的例子。

整个字符串 aaaa 完全匹配的方式与 aa 的匹配方式类似：捕获组模式首先抓取整个 aaaa，然后回溯，因为 \1+ 也必须“找到”一些文本，并且正则表达式引擎尝试将 aaa 捕获到第一组中。然而，\1+ 无法匹配 3 个 a，因此回溯继续进行，当第一组中有两个 a 时，定量化反向引用匹配最后两个 a。

现在考虑 k2 的情况：

字符串 aaaaa 的匹配方式如下：

"

• aaaaa被抓取并与([a-z]+)部分一起放入第1组。
• \1+找不到任何文本，引擎尝试以不同的方式匹配字符串，因为+量词使得\1+前面的部分可以匹配不同的文本
• 尝试了aaaa（=放入第1组），但无济于事，因为\1+不匹配（因为然后\1尝试匹配aaaa，但在字符串末尾之前只剩下一个a）
• 再次尝试了aaa，但也无济于事（因为\1尝试匹配aaa，但只剩下两个a）
• 将aa放入第1组，\1匹配第三和第四个a，这是唯一的匹配，因为字符串中只剩下一个a。

"

这是一个字符串匹配的示例方案：

最后一个a无法匹配：

- Wiktor Stribiżew

---

感谢您的详细解释。 - Maxim Andreev

不客气。顺便提一下：图像中的红色箭头表示回溯步骤。绿色高亮文本是当前尝试的模式的一部分。蓝色选择是匹配当前尝试的子模式的文本。 - Wiktor Stribiżew