Python 正则表达式 - 了解匹配和搜索之间的区别

Posted 2023-02-23

【中文标题】Python 正则表达式 - 了解匹配和搜索之间的区别

【英文标题】：Python regex - understanding the difference between match and search

【发布时间】：2012-06-01 17:43:50

【问题描述】：

据我所知，

match：给定一个字符串 str 和一个模式 pat，match 检查 str 是否与 str 开头的模式匹配。

search：给定一个字符串 str 和一个模式 pat，搜索检查 str 是否与 str 的每个索引中的模式匹配。

如果是这样，在匹配的正则表达式的开头使用'^' 是否有意义？

据我了解，由于match 从一开始就已经检查过了，所以没有。我可能错了；我的错在哪里？

【问题讨论】：

你读过这个吗？ docs.python.org/library/re.html#search-vs-match。它解释了一切。

What is the difference between re.search and re.match?的可能重复

【参考方案1】：

当具体调用函数re.match 时，^ 字符确实没有什么意义，因为该函数在行首开始匹配过程。但是，对于 re 模块中的其他函数，以及在 已编译 正则表达式对象上调用 match 时，它确实有意义。

例如：

text = """\
Mares eat oats
and does eat oats
"""

print re.findall('^(\w+)', text, re.MULTILINE) 

打印出来：

['Mares', 'and']

启用re.findall() 和re.MULTILINE 后，它会在文本的每一行为您提供第一个单词（没有前导空格）。

如果做一些更复杂的事情，比如用正则表达式进行词法分析，并将它应该开始匹配的文本中的起始位置传递给编译的正则表达式，它可能会很有用（您可以选择从上一场比赛）。请参阅RegexObject.match 方法的文档。

以简单的词法分析器/扫描器为例：

text = """\
Mares eat oats
and does eat oats
"""

pattern = r"""
(?P<firstword>^\w+)
|(?P<lastword>\w+$)
|(?P<word>\w+)
|(?P<whitespace>\s+)
|(?P<other>.)
"""

rx = re.compile(pattern, re.MULTILINE | re.VERBOSE)

def scan(text):
    pos = 0
    m = rx.match(text, pos)
    while m:
        toktype = m.lastgroup
        tokvalue = m.group(toktype)
        pos = m.end()
        yield toktype, tokvalue
        m = rx.match(text, pos)

for tok in scan(text):
    print tok

打印出来的

('firstword', 'Mares')
('whitespace', ' ')
('word', 'eat')
('whitespace', ' ')
('lastword', 'oats')
('whitespace', '\n')
('firstword', 'and')
('whitespace', ' ')
('word', 'does')
('whitespace', ' ')
('word', 'eat')
('whitespace', ' ')
('lastword', 'oats')
('whitespace', '\n')

这区分了单词的类型；行首的单词，行尾的单词，以及任何其他单词。

【参考方案2】：

我相信没有用。以下内容复制/粘贴自：http://docs.python.org/library/re.html#search-vs-match

Python 提供了两种不同的基于正则表达式的原始操作：re.match() 仅在字符串的开头检查匹配，而re.search() 在字符串中的任何位置检查匹配（这是 Perl 默认所做的） .

例如：

>>> re.match("c", "abcdef")  # No match
>>> re.search("c", "abcdef") # Match
<_sre.SRE_Match object at ...>

以'^' 开头的正则表达式可以与search() 一起使用来限制字符串开头的匹配：

>>> re.match("c", "abcdef")  # No match
>>> re.search("^c", "abcdef") # No match
>>> re.search("^a", "abcdef")  # Match
<_sre.SRE_Match object at ...>

但请注意，在 MULTILINE 模式下，match() 仅匹配字符串的开头，而使用带有以 '^' 开头的正则表达式的 search() 将匹配每行的开头。

>>> re.match('X', 'A\nB\nX', re.MULTILINE)  # No match
>>> re.search('^X', 'A\nB\nX', re.MULTILINE)  # Match
<_sre.SRE_Match object at ...>

【讨论】：

所以 ^ 在匹配正则表达式的开头是没有意义的吗？

好吧，符号本身可以用于其他用途，例如在[^\w] 中，但我看不出它在检查开始方面有什么用处。

【参考方案3】：

在普通模式下，如果您使用匹配，则不需要 ^。 但在多行模式下（re.MULTILINE），它会很有用，因为 ^ 不仅可以匹配整个字符串的开头，还可以匹配每一行的开头。

【讨论】：

所以 re.MULTILINE 在开始时没有 ^ 就没有意义？

@user1413824 似乎是这样，除了$ 也受到影响。根据 Python 文档，re.MULTILINE 所做的只是改变 ^ 和 $ 的含义