Python正则表达式中的“无需重复”

Question

下面是一个正则表达式-由egrep尝试，然后由Python 2.7尝试：

$ echo '/some/path/to/file/abcde.csv' | egrep '*([a-zA-Z]+).csv'

/some/path/to/file/abcde.csv

但是，Python中的相同正则表达式：

re.match(r'*([a-zA-Z]+)\.csv',f )

给出：

Traceback (most recent call last):
  File "/shared/OpenChai/bin/plothost.py", line 26, in <module>
    hosts = [re.match(r'*([a-zA-Z]+)\.csv',f ).group(1) for f in infiles]
  File "/usr/lib/python2.7/re.py", line 141, in match
    return _compile(pattern, flags).match(string)
  File "/usr/lib/python2.7/re.py", line 251, in _compile
    raise error, v # invalid expression
sre_constants.error: nothing to repeat

进行搜索时，发现此处似乎存在Python错误：

regex error - nothing to repeat

It seems to be a python bug (that works perfectly in vim). The source of the problem is the (\s*...)+ bit.

然而，我并不清楚：那么，上面显示的我的正则表达式的解决方法是什么——使python快乐

谢谢

Answer 1

您不需要模式中的*，它会导致问题，因为您试图量化模式的开头，但是没有任何东西需要量化，一个空字符串

当您

• 将任何量词（+、?、*、{2}、{4,5}等）放在模式的开头（例如re.compile(r'?')）
• 在字符串锚点的^/\A开始之后添加任何量词（例如re.compile(r'^*')）
• 在字符串锚点的$/\Z结尾之后添加任何量词（例如re.compile(r'$*')）
• 在单词边界后添加任何量词（例如re.compile(r'\b*\d{5}')）

但是请注意，在Python re中，您可以量化任何查找，例如(?<!\d)*abc和(?<=\d)?abc将产生相同的匹配，因为查找是可选的

使用

([a-zA-Z]+)\.csv

或匹配整个字符串：

.*([a-zA-Z]+)\.csv

见demo

原因是*是不可替代的，因此被视为量词。它应用于正则表达式中前面的子模式。在这里，它用于模式的开头，因此不能量化任何内容。因此，不会抛出任何要重复的内容

如果它在VIM中“起作用”，那只是因为VIM正则表达式引擎忽略了这个子模式（与Java在字符类（如[([)]]）中使用未scaped的[和]时所做的相同）