python - 为什么我的可选组不是贪心的？/(5)?.*/

Question

我认为即使一个组是可选的 ?，它仍然会贪婪并消耗字符，如果可以的话，然后再进入下一部分正则表达式。

当我指定简化的正则表达式 (5)?.* 与 (5).*(组 1 不是 可选)时，我在 python 2.7.6 中看到不同的行为，即使我期望使用完全相同的字符串的相同行为:

>>> import re
>>> s = 'before [5.5s] after'
>>> r = re.compile(r'(5)?.*')
>>> print r.search(s).groups()
(None,)

>>> r2 = re.compile(r'(5).*')
>>> print r2.search(s).groups()
('5',)

我没有得到什么？为什么第一个正则表达式 r 没有吸收 5？

注意:我需要为什么的理论，因为任何试图解决这个特定正则表达式的尝试都对我没有帮助。这是 SSCCE .我有一个更复杂的正则表达式，我真的很想填补我的知识空白，为什么可选组不像我想象的那样贪婪。

Answer 1

第一个例子:

• 您的正则表达式与整个 字符串s 相匹配。
• 因此，s 的第一个字符，即 "b"，与 (5)? 匹配，后者不结果不匹配。然而，这不是问题，因为 (5)? 是模式的可选部分，因此正则表达式引擎将它匹配零次并继续推进当前位置模式。
• 字符串的其余部分与模式的其余部分相匹配，因此整个字符串是一个匹配项。但是，组 (5) 本身没有匹配任何内容，因此您在第一个示例中看到的是 None。

第二个例子:

• 5 不再是可选的，因此可能匹配的字符串的第一个字符必须是 "5"。因此，潜在匹配从 “之前 [” 之后的 “5” 开始。
• 为了匹配，剩余的字符串必须与剩余的模式 .* 匹配，它确实如此。

请注意，一般情况下，using the greedy .* is almost never what you want .