Python 为什么re.sub（'；*？'；'；-'；'；abc'；）返回'-a-b-c-'；而不是'-------'；？

这是python2.7的结果

>>> re.sub('.*?', '-', 'abc')
'-a-b-c-'

我认为的结果应该如下

>>> re.sub('.*?', '-', 'abc')
'-------'

---

但事实并非如此。为什么？

您确定正确解释了的文档吗

*？

，

+？

，

？？

的“，”+”和“？”限定符都是贪婪的；它们匹配尽可能多的文本。有时这种行为是不可取的；如果 RE与

'title'

匹配，它将与 整个字符串，而不仅仅是

'

。在限定符后添加“？” 使其以非贪婪或最小的方式执行匹配；少 将尽可能匹配字符。使用。*？在过去 表达式将仅与“”匹配

添加

？

会将表达式转换为非贪婪表达式

贪婪：

re.sub(".*", "-", "abc")

re.sub(".*?", "-", "abc")

非贪婪：

re.sub(".*", "-", "abc")

re.sub(".*?", "-", "abc")

更新：FWIW

re.sub

做的正是它应该做的：

>>> from re import sub
>>> sub(".*?", "-", "abc")
'-a-b-c-'
>>> sub(".*", "-", "abc")
'-'

请参阅@BrenBarn关于为什么会得到

-a-b-c-

：）的精彩答案

下面是正在发生的事情的视觉表现：

.*?

---

对于新编辑的问题：

*？

可以匹配任意数量的字符，包括零。因此，它所做的是在字符串的每个位置匹配零个字符：在“a”之前，在“a”和“b”之间，等等。它用连字符替换这些零宽度匹配，给出您看到的结果

---

正则表达式不尝试逐个匹配每个字符；它尝试在字符串中的每个位置匹配。您的正则表达式允许它匹配零个字符。因此，它在每个位置匹配零，然后移动到下一个位置。您似乎认为在像“abc”这样的字符串中，“b”前面有一个位置，“b”里面有一个位置，“b”后面有一个位置，但在单个字符中没有“内部”位置。如果它匹配从“b”开始的零个字符，那么接下来它将尝试匹配从“b”开始的字符。你不可能让一个正则表达式在一个三个字符的字符串中匹配七次，因为只有四个位置可以匹配。

我所知道的关于这种行为的最好解释来自PyPI包，它最终将取代

re

（尽管这种方式已经很长时间了）

有时不清楚如何处理零宽度匹配。例如，在匹配>0个字符后，是否应。*直接匹配0个字符

大多数正则表达式实现遵循Perl（PCRE）的指导，但re模块有时不遵循。Perl行为似乎是最常见的（re模块有时肯定是错误的），因此在版本1中，regex模块遵循Perl行为，而在版本0中，它遵循传统的re行为

示例：

# Version 0 behaviour (like re)
>>> regex.sub('(?V0).*', 'x', 'test')
'x'
>>> regex.sub('(?V0).*?', '|', 'test')
'|t|e|s|t|'

# Version 1 behaviour (like Perl)
>>> regex.sub('(?V1).*', 'x', 'test')
'xx'
>>> regex.sub('(?V1).*?', '|', 'test')
'|||||||||'

（？VX）

在正则表达式中设置版本标志。第二个例子是您所期望的，并且应该是PCRE所做的。Python的

re

有些不标准，之所以保留它，可能仅仅是因为向后兼容性问题。（使用

re.split

）。

要详细说明，不同的实现在FindAll（或ReplaceAll）操作中对零宽度匹配有不同的处理。在不同的实现中可以观察到两种行为，Python

re

只是选择跟随第一行实现

1.在零宽度匹配时始终沿一个字符进行凹凸 在Java和JavaScript中，零宽度匹配会导致索引向前移动一个字符，因为保持在同一个索引将导致FindAll或ReplaceAll操作中出现无限循环

因此，在这种实现中，FindAll操作的输出最多可以包含一个从特定索引开始的匹配

默认的Python

re

包可能也遵循相同的实现（Ruby似乎也是如此）

2.在同一索引的下一个匹配中不允许零宽度匹配 在PHP中，它在PCRE libreary上提供了一个包装器，零宽度匹配不会导致索引立即跳转。相反，它将设置一个标志（

PCRE\u NOTEMPTY

），要求下一个匹配（从同一索引开始）为非零宽度匹配。如果匹配成功，它将沿着匹配长度（非零）移动；否则，它将以一个字符的速度前进

顺便说一下，PCRE库不提供内置的FindAll或ReplaceAll操作。它实际上是由PHP包装器提供的

因此，在这种实现中，FindAll操作的输出最多可以包含从同一索引开始的2个匹配项

Python

regex

包可能遵循以下实现路线

---

这一行实现更加复杂，因为它需要FindAll或ReplaceAll的实现来保持一个额外的状态，即是否不允许零宽度匹配。开发人员在使用低级匹配API时，还需要跟踪这些额外标志。

您现在已经对您的问题进行了相当大的更改。为什么您希望它产生这样的结果？@BrenBarn因为

。

匹配任何字符，为什么它不将“a”、“b”和“c”替换为“-”，而只将零字符替换为“-”？既然“.”匹配任何字符，为什么它不替换“a”，“b”和“c”改为“-”，只将零宽度字符改为“-？”@thuzhf：我在回答中加了一点<代码>可以匹配任何字符，但您允许它匹配零，因此它可以匹配零。在单个字符的“内部”没有位置可供匹配。如果它在“b”之前找到匹配项，则会尝试在“b”之后找到一个匹配项。如果你想让它匹配“b”，你必须让正则表达式使用“b”，而不是什么都不匹配。@thuzhf:我不明白你在问什么。忽略这个评论。谢谢你的解释！这与

re完全不同<