Python正则表达式中嵌套花括号的解读答案

【问题标题】：Interpretation of nested curly braces in Python regular expressionsPython正则表达式中嵌套花括号的解读
【发布时间】：2018-02-03 03:57:33
【问题描述】：

我在 Kaggle 内核中遇到了这个正则表达式，但不知道它的作用：

import re
def substitute_repeats_fixed_len(text, nchars, ntimes=3):
    return re.sub(r"(\S{{{}}})(\1{{{},}})".format(nchars, ntimes-1), 
                  r"\1", text)

我一直在尝试它，但发现它非常难以解释。

“一开始，调试的难度是编写代码的两倍。因此，如果你尽可能巧妙地编写代码，那么根据定义，你就不够聪明，无法调试它”。 - 布赖恩·克尼汉

【问题讨论】：

That's a str.format thing, not a regex thing.
来自the docs: Format strings contain “replacement fields” surrounded by curly braces {}. Anything that is not contained in braces is considered literal text, which is copied unchanged to the output. If you need to include a brace character in the literal text, it can be escaped by doubling: {{ and }}.
好的，感谢您指出这一点。也许一些花括号是为了成为文字，但即使是这样，我仍然没有破解代码。子例程的名称表明替换应该删除重复的字符串，我想知道嵌套大括号是否不允许灵活定义被删除模式的重复次数。但这只是一个猜测。这个正则表达式太聪明了，没有提供代码cmet来解释它的作用。
您是否尝试过仅打印字符串或生成的正则表达式对象？

标签： python nested string-formatting curly-braces

【解决方案1】：

这是三个运算符合二为一，格式，正则表达式匹配，正则表达式替换。为了容易理解，写成：

import re
def substitute_repeats_fixed_len(text, nchars, ntimes=3):
    regexp = r"(\S{{{}}})(\1{{{},}})".format(nchars, ntimes-1)
    print "regexp:", regexp
    match = re.search(regexp, text)
    print "match groups:", match.groups()
    return re.sub(regexp, r"\1", text)

（假设为 python2；如果您使用的是 python3，请在打印参数周围添加 ()）现在让我们试试吧：

>>> substitute_repeats_fixed_len("XYabcdabcdabcdZ", 4)
regexp: (\S{4})(\1{2,})
match groups: ('abcd', 'abcdabcd')
'XYabcdZ'

我们的正则表达式有两组（每个都在()）：第一组是“任何非空白字符，重复四次。我们可以看到它匹配'abcd'。第二组包含反向引用：匹配'\1' （无论第 1 组匹配什么），重复两次。我们看到它匹配 'abcdabcd'

这与abcdabcdabcd 一起匹配，并且再次被替换为'\1'，也就是我们之前看到的'abcd'。

你可以问：但是第 1 组怎么知道匹配 abcd 而不是，比如说 XYab？这对你来说是正则表达式的魔法。正则表达式引擎将尝试不同的匹配，直到找到可以匹配整个字符串的匹配。

【讨论】：

非常好的建议。感谢您抽出时间。你听得懂么？例如，两个 \1 转换字符中的第一个字符的作用是什么？反斜杠语法通常出现在替换的替换部分，但在这里我们在搜索模式中找到它。
例如，按照您的建议，我尝试了这个：fmt = r"(\S{{{}}})(\1{{{},}})" 产生'(\\S{1})(\\1{2,})'。这确实开始看起来更像是一个可解析的正则表达式。但我仍然不明白他在第二对括号中使用 \1。
大大扩展了答案，现在应该更清楚了。