什么时候Python regex会失败？参与重复组

Question

尝试匹配任意数量的逗号分隔的7个字符串，这些字符串可以包含数字、_和？

x = re.compile(r"^([0-9_\?]{7})(,\1)*$")

>>> x.match("123456?")
<_sre.SRE_Match object at 0x0046C800>
>>> x.match("12345??")
<_sre.SRE_Match object at 0x023483C8>
>>> x.match("1234???")
<_sre.SRE_Match object at 0x0046C800>
>>> x.match("123????")
<_sre.SRE_Match object at 0x023483C8>
>>> x.match("12?????")
<_sre.SRE_Match object at 0x0046C800>
>>> x.match("1??????")
<_sre.SRE_Match object at 0x023483C8>
>>> x.match("???????")
<_sre.SRE_Match object at 0x0046C800>
>>> x.match("???????,1234567")
>>>

^^这就是它失败的地方

如果我没有一个? vvvvvvvvvvvvvvvvvvvvvvBut重复工作吗？在字符串中

>>> x.match("1234567,1234567")
<_sre.SRE_Match object at 0x023483C8>

我也尝试过这样做：

x = re.compile(r"^([0-9_\\?]{7})(,\1)*$")

但这只是允许它匹配\字符(正如预期的那样)。

我的正则表达式有什么问题？

Answer 1

\1是一个反向引用，它将匹配被引用组匹配的内容，而不是它可以匹配的内容。如果您想让该模式出现两次，只需编写两次：

r"^([0-9_?]{7})(,[0-9_?]{7})*$"

(还要注意，?不需要在字符集内进行转义。)

Answer 2

为什么您希望'???????,1234567'匹配？显然，第二部分(1234567)与\1反向引用(???????)不匹配。

如果不使用任何?字符，也会遇到同样的问题：

>>> x = re.compile(r"^([0-9_\?]{7})(,\1)*$")
>>> x.match('1234567,1234568')

这将返回None。但是：

>>> x.match('???????,???????')
<_sre.SRE_Match at 0x104208140>

因此，整个?问题完全无关紧要。(您实际上不应该转义问号；您不希望在字符类中这样做。但这不是你的问题。)

如果您想要匹配同一事物的1个或多个逗号分隔的副本，则需要匹配一个不带逗号的副本，加上0个或更多个前面的逗号，如下所示：

>>> x = re.compile(r"^([0-9_?]{7})(,([0-9_?]{7}))*$")

如果您想匹配0个或更多…好吧，取决于你如何定义它，它要么是一个万物匹配的重言式，要么是前一个包装在一个大的?中。