Python正则表达式含义答案

【问题标题】：Python RegEx MeaningPython正则表达式含义
【发布时间】：2011-10-31 18:14:01
【问题描述】：

我是 python 正则表达式的新手，想知道是否有人可以通过引导我了解这意味着什么来帮助我（我也会在这里说明我认为每个位的含义）。

谢谢！

RegExp:
r'(^.*def\W*)(\w+)\W*\((.*)\):'

r'...' = python definition of regular expression within the ''
(...) = a regex term
(^. = match the beginning of any character
*def\W* = ???
(\w+) = match any of [a, z] 1 or more times
\W*\ = ? i think its the same as the line above this but from 0+ more times instead of 1 but since it matches the def\W line above (which i dont really know the meaning of) i'm not sure.
((.*)\): = match any additional character within brackets ()

谢谢！

【问题讨论】：

+1 用于展示您尝试过的内容
另外，这些是否会导致出现空白？

标签： python regex

【解决方案1】：

似乎尝试匹配 Python function signature 失败：

import re

regex = re.compile(r""" # r'' means that \n and the like is two chars
                        # '\\','n' and not a single newline character

    ( # begin capturing group #1; you can get it: regex.match(text).group(1)
      ^   # match begining of the string or a new line if re.MULTILINE is set
      .*  # match zero or more characters except newline (unless
          # re.DOTALL is set)
      def # match string 'def'
      \W* # match zero or more non-\w chars i.e., [^a-zA-Z0-9_] if no
          # re.LOCALE or re.UNICODE
    ) # end capturing group #1

    (\w+) # second capturing group [a-zA-Z0-9_] one or more times if
          # no above flags

    \W*   # see above

    \(    # match literal paren '('
      (.*)  # 3rd capturing group NOTE: `*` is greedy `.` matches even ')'
            # therefore re.match(r'\((.*)\)', '(a)(b)').group(1) == 'a)(b'
    \)    # match literal paren ')'
     :    # match literal ':'
    """, re.VERBOSE|re.DEBUG)

re.DEBUG 标志导致输出：

subpattern 1
  at at_beginning
  max_repeat 0 65535
    any None
  literal 100
  literal 101
  literal 102
  max_repeat 0 65535
    in
      category category_not_word
subpattern 2
  max_repeat 1 65535
    in
      category category_word
max_repeat 0 65535
  in
    category category_not_word
literal 40
subpattern 3
  max_repeat 0 65535
    any None
literal 41
literal 58

more

【讨论】：

【解决方案2】：

r'..' = Python 用于正则表达式模式的原始字符串表示法；在以 'r' 为前缀的字符串文字中，不会以任何特殊方式处理反斜杠。

(...) = 一个捕获组，它将捕获的值存储在 var 中以用于替换/数学运算。

^ = 字符串的开头。

.* = 0 个或多个任意类型的字符。

def = 文字字符串 def

\W* = 0 个或多个非单词字符（a-zA-Z 或 _ 以外的任何字符）

\w+ = 1 个或多个单词字符（见上文）

\( = 转义 (，因此表示文字 (

\) = 同上。

: = 文字：

PS：我喜欢你为理解正则表达式所做的努力。它会很好地为您服务，比人们问r'(^.*def\W*)(\w+)\W*\((.*)\):' 是什么意思要好得多。

【讨论】：

很高兴您对 OP 自己解决问题的努力给予了赞扬。
. 不匹配换行符，除非 re.DOTALL。 ^ 取决于 re.MULTILINE。 \W、\w 依赖于 re.UNICODE、re.LOCALE。见my answer。

【解决方案3】：

r'...' = python 定义内的正则表达式''

r'' 语法与正则表达式无关（或至少，不是直接的）。 r 代表 raw，它只是 Python 的一个指示符，表示不应对字符串执行字符串插值。

这通常与正则表达式一起使用，这样您就不必转义反斜杠 (\) 字符，否则这些字符会被正常的字符串插值机制吃掉。

(^. = 匹配任意字符的开头

我不确定“任何字符的开头”是什么意思。 ^ 字符匹配行首。

def\W = ???

def 匹配字符 def。对于\W，请看pydoc re，它描述了正则表达式语言。

\W*

如上。

除上述之外，您的解释似乎基本正确。

【讨论】：

【解决方案4】：

r'(^.*def\W\*)(\w+)\W*((.*)):'

==================================

r' tells python this is a raw string so you don't have to double escape all the \

^ match start of string

() in each case this means group this match where each () is a different group

.* match zero or more of any characters

def match the literal 'def'

\W* match zero or more of any non word character

() more grouping of the contained expression

\w+ match one or more of word character

\W* zero or more of any non word character

\( escape the left paren

() more grouping of the contained expression

.* zero of more of any character

\) escape the right paren

: match a single colon literal

这看起来像是在尝试匹配 python 方法定义。 Here is a link to play with this regular expression. 是的，它由 Ruby 提供支持，但所有语言的语法几乎相同，我使用这个站点来测试 Python、Java 和 Ruby 的正则表达式。

【讨论】：

【解决方案5】：

原始字符串表示法（r“text”）使正则表达式保持理智。没有它，正则表达式中的每个反斜杠 ('\') 都必须以另一个作为前缀来转义它。
( ) 对语句进行分组，它被视为一件事情，所以你可以做 () 吗？或者 ()* 或者 ()+ 如果括号里的东西需要一起处理。
^ 匹配它，如果它是字符串的开头
（点。）在默认模式下，它匹配除换行符以外的任何字符。
既然是“.*”，*表示匹配前一个事物的0个或多个匹配，在这种情况下是任何字符。
def\W* - 以字符串“def”开头然后 \W 匹配任何非字母数字字符的行，等效于 [^a-zA-Z0-9_]。由于我们又得到了 *，这一次它匹配 0 个或多个非字母数字字符。
(\w+)，+代表前面的1个或多个，在本例中为\w，等价于[a-zA-Z0-9_]。

7.\W*，我们已经知道了。

"(" - 表示只匹配 "("，区别于 () 分组事物，同样适用于 ")/"
(.*) - 匹配 0 个或多个字符。
: - 匹配的字符串以冒号结尾。

整个事情似乎与 python 中的函数定义相匹配，即“def foo(x):”将被匹配。处理正则表达式很困难——使用诸如http://www.pythonregex.com/ 之类的工具可以帮助我尝试不同的东西。而且由于 RE 在不同语言中略有不同，因此也可以为这些语言提供工具。

【讨论】：

【解决方案6】：

r'...' → 在 Python 中定义正则表达式字符串的首选方式
(...) → 正则表达式术语
^ → 只匹配字符串的开头

所以，在第一对括号（^.def\W）中，首先匹配的是字符串。

。 → 匹配任何字符
* → 重复上一场比赛 0 次或更多次

然后 .* 将匹配任意次数的任何内容。下面的'def'是完全匹配，只匹配自身。

\W → 匹配任何非字母、非数字或下划线字符。

然后 \W* 将匹配零个或多个这些非字母数字下划线字符。下一对括号 (\w+) 你猜对了。在最后一部分 \W*\((.*)\)：最初的 \W* 与前面的 \W* 含义相同。接下来，\( 与 ( 匹配，然后是组 (.*)，与之前一样，表示任何次数的任何内容，然后是匹配 ): 的 \):。

与此正则表达式匹配的字符串示例如下：

thing_def = function_name (123 anything in here):

【讨论】：