Python -奇数正则表达式与+/*在组上匹配

Question

>>> src = '  pkg.subpkg.submod.thing  pkg2.subpkg.submod.thing  '
>>> re.search(r'\s*(\w+\.)+', src).groups()
('submod.',)

这个正则表达式似乎把所有不是空间的东西放到了一个/组中--在regex比赛停止之前没有什么损失。

为什么这里的组中只有最后一次 "+“重复-而不是('pkg.subpkg.submod.',)

或者('pkg.',) --早停是因为没有真正的重复--在另一种意义上没有“信息丢失”？

(我需要使用另一个(?:...)，如r'\s((?:\w+\.)+)')

更奇怪的是：

>>> src = '  pkg.subpkg.submod.thing  pkg2.subpkg.submod.thing  '
>>> re.search(r'\s(\w+\.)*', src).groups()
(None,)

编辑:正如@Avinash所指出的，“更奇怪”实际上“不那么奇怪”，因为--不像预期的--比赛只是在组前结束；所以

>>> re.search(r'\s+(\w+\.)*', '  pkg.subpkg.submod.thing').groups()
('submod.',)

。。然后产生与"+“相同的被质疑的行为:最后一次重复--在看起来迷失之前.

Answer 1

我会解释更奇怪的部分..。

src = '  pkg.subpkg.submod.thing  pkg2.subpkg.submod.thing  '

一旦找到第一个匹配项，re.search就停止匹配。所以,

r'\s(\w+\.)*'将匹配第一个空格字符(*重复前一个模式0次或多次)，因为在第一个空格之后没有匹配的(\w+\.)*，searchObj上的groups()函数返回None，searchObj上的group应该返回作为第一个空格的空间。

Answer 2

我不知道，为什么这对你来说很奇怪。你能指望什么?

在文档中可以找到以下内容：

re.search( pattern，string，flags=0)通过字符串扫描寻找正则表达式模式的第一个位置。

re.search(r'\s*(\w+\.)+', src).groups()

在搜索字符串中，只有一个组：(\w+.)，因为默认情况下，它是贪婪的，所有pkg.subpkg.都是在找到submod.之前吃掉的，这是最后一个被填充的字符串匹配。

你的第二次尝试不匹配，因为甚至没有一个必要的小组来完成这个声明，所以所有的三个部分都被吃掉了，而在组内你什么也找不到。

你在找这个吗？

re.search(r'\s*((\w+\.)+)', src).groups()[0]

为了更好地理解它，请尝试以下几点：

re.search(r'\s*((\w+\.)*)(\w+\.)*', 'a.b.c.d.e.f.g.h.i').groups()

Answer 3

这应该可以很好地匹配完整的字符串“pkg.subpkg.submod.thing pkg2.subpkg.submod.thing”。

(\s*(\w+[.\s])+)+

如果您希望输出‘pkg.subpkg.submod.thing’，那么请使用以下命令

\s*(\w+[.\s])+