带有“.*”的“re.sub”方法

问题描述

我在使用 python re 库时遇到了以下行为。

>>> import re
>>> re.sub(pattern=".*",repl="r",string="hello")
'rr'

如您所见，对于模式 .* 和替换字符 (r) re.sub 方法返回 rr。但我期望结果为 r，因为 .* 会匹配整个字符串。这是为什么？。我也在 Go 中测试了相同的逻辑，但它返回了预期的结果。

package main

import (
    "fmt"
    "regexp"
)

func main() {
    re := regexp.MustCompile(`.*`)
    fmt.Println(re.ReplaceAllString("Hello","r")) // Will print `r`
}

解决方法

下面应该开始解释发生了什么：

>>> re.sub("x?","_","hello")
'_h_e_l_l_o_'

在字符串 re.sub 的每个位置都尝试匹配 x?。它成功了，因为 x? 可以匹配空字符串，并用 _ 替换空字符串。

以类似的方式，在下面

>>> re.sub(".*","r","hello")
'rr'

我们知道 re.sub 尝试匹配位置 0 中的 .*，成功并消耗整个字符串。然后它尝试在结束位置匹配，成功（匹配空字符串）并再次用 r 替换它。如果您禁止空匹配，“令人费解”的行为就会消失：

>>> re.sub(".+","hello")
'r'

---

在 Python 3.7 之前的版本中，如果 re.sub 消耗了整个字符串，则它不会再次尝试在末尾匹配，而在 Python 3.7+ 中它会。更具体地说，引用 re.sub 的文档：

Changed in version 3.7：模式的空匹配在与前一个非空匹配相邻时被替换。

Python 3.7+（一致的行为）

>>> matches = lambda r,s: [m.span() for m in re.finditer(r,s)]
>>> matches("x?","x")
[(0,1),(1,1)]
>>> matches("x?","y")
[(0,0),1)]
>>> re.sub("x?","x")
'rr'
>>> re.sub("x?","y")
'ryr

Python 3.6（行为不一致）

>>> matches("x?","x")
'r'
>>> re.sub("x?","y")
'ryr'