举止怪异

Question

url = "http://www.domain.com/7464535" 
match = re.search(r'\d*',url) 
match.group(0) 

回报 '' < -----空字符串

但

url = "http://www.domain.com/7464535" 
match = re.search(r'\d+',url) 
match.group(0) 

返回 '7464535'

我想 'Python的正则表达式+' 是应该是1还是更多，'*'是0还是更正确？ RE应该是贪婪的。那么他们为什么不都回报同样的事情，更重要的是为什么第一个回报没有？

Answer 1

你对+和*的含义是正确的。所以\d*将匹配零个或多个数字 - 这正是它所做的。从字符串的开始处开始，它匹配零个数字，然后完成。它成功匹配零个或多个数字。

*是贪婪的，但这只意味着它会匹配尽可能多的数字，因为它可以匹配的地方。它不会放弃一场比赛，试图在比赛中找到更长的比赛。

---

编辑：的正则表达式引擎所做的更详细的描述：

就拿情况下我们要搜索的字符串是"http://www.domain.com/7464535"和模式\d+。

在开始，正则表达式引擎指向我们的URL的开始和正则表达式模式的开始。 \d+需要匹配一个或多个数字，所以首先正则表达式引擎必须找到至少一个数字才能成功匹配。

它看起来第一个地方找到了'h'字符。这不是一个数字，所以它移动到't'，然后是't'，等到最后达到'7'时。现在我们已经匹配了一个数字，所以“一个或多个”的要求得到满足，我们可能有一个成功的匹配，除了+是贪婪的，所以它会匹配尽可能多的数字，因为它可以不改变的起始点比赛，'7'。所以它击中字符串的末尾并匹配整个数字'7464535'。

现在考虑我们的模式是\d*。现在唯一的区别是零位是有效的匹配。由于正则表达式匹配从左到右，\d*匹配的第一个位置是字符串的起始位置。所以我们在开始时有一个零长度匹配，但由于*是贪婪的，只要有数字就会延长匹配。由于我们发现的第一件事是'h'，一个非数字，它只是返回零长度匹配。

*如何更有用，那么，如果它只会给你一个零长度的匹配？试想，如果我是匹配的配置文件是这样的：

foo: bar 
baz: quux 
blah:blah 

我想允许在冒号后面的空格的数量（甚至为零）。我会使用(\w+):\s*(\w+)这样的正则表达式，其中\s*匹配零个或多个空格。由于它出现在模式中的冒号后面，它将匹配紧跟在字符串中的冒号，然后匹配一个零长度字符串（如第三行blah:blah，因为冒号结束匹配后的'b'）或全部在下一个非空格之前有空格，因为*是贪婪的。