Esiste un motivo per cui regex python non deve compilare r '(\ s *) +'?

Question

non capisco il motivo per cui '(\s*)+' dà un errore 'nothing to repeat'. Allo stesso tempo, '(\s?)+' va bene.

Ho scoperto che questo problema è noto da un po 'di tempo (ad esempio regex error - nothing to repeat) ma lo vedo ancora in Python 3.3.1.

Quindi mi chiedo se c'è una spiegazione razionale per questo comportamento.

In realtà voglio abbinare una linea di parole o numeri ripetuti, per esempio:

'foo foo foo foo' 

mi è venuta in mente questo:

'(\w+)\s+(\1\s*)+' 

E 'fallito a causa del secondo gruppo : (\1\s*)+ Nella maggior parte dei casi probabilmente non avrei più di 1 spazio tra le parole in modo che (\1\s?)+ funzionasse. Ai fini pratici di questa opzione dovrebbe funzionare anche (\1\s{0,1000})+

Aggiornamento: Penso che dovrei aggiungere che ho visto il problema in pitone solo. in Perl funziona:

`('foo foo foo foo' =~ /(\w+)\s+(\1\s*)+/) ` 

Non

sicuro che è equivalente ma vim funziona anche:

`\(\<\w\+\>\)\_s\+\(\1\_s*\)\+` 

Update2: ho trovato un'altra implementazione delle espressioni regolari per Python che si dice per sostituire ri corrente un giorno . Ho controllato e l'errore non si verifica per i casi problematici di cui sopra. Questo modulo deve essere installato separatamente. Può essere scaricato here o tramite PyPI

Answer 1

Il problema che Python ha con questo è in primo luogo la questione nulla cresciuto nel post collegato. Se avete intenzione di avere almeno un carattere Suggerisco invece utilizzare:

(\s+)+ 

Ciò detto, anche in realtà non ha senso se chiedete (\s*)+ con l'idea che + richiede qualcosa di esistere, e * no. Non riesco però ha senso per abbinare ? sia, ma è possibile risolvere mentalmente dicendo che è una partita opzionale nel senso che se non trova uno si muove su, piuttosto che * che interpreta niente come un modello abbinato.

Tuttavia, se si vuole veramente a controllare che cosa problema di Python con qualcosa è Suggerisco di giocare con le gamme. Per esempio, sono arrivato alla mia conclusione utilizzando questi due esempi:

re.compile("(\s{1,})+") 

che va bene

re.compile("(\s{0,})+") 

che non riesce nella stessa maniera.

Per lo meno questo significa che non è un "bug" in Python. È una decisione progettuale consapevole che agisce su ogni modello di regex che concettualmente cade in questa stessa fossa.La mia ipotesi (verificata in alcuni ambienti diversi) è che (\s{0,})+ fallirà in modo affidabile perché ripete esplicitamente un elemento potenzialmente nullo.

Tuttavia, sembra che un numero di ambienti utilizzi * per indicare che una corrispondenza è facoltativa e Python non segue questa scelta. Ha senso per molti casi, ma occasionalmente porta a comportamenti strani. Penso che Guido abbia fatto la scelta giusta qui, poiché avere una presenza spaziale inconsistente significa che hai violato il lemma del pompaggio e il tuo pattern non è più privo di contesto.

In questo caso, probabilmente non importa molto, ma significa che ci sarebbe inevitabilmente un'ambiguità in quella regex che non poteva essere risolta.

Quindi hai avuto un problema, quindi hai scelto di usare regex per risolvere quel problema. Ora hai 2 problemi, C'est la vie.

Answer 2

Slater ha fornito una buona panoramica del problema, ma volevo solo aggiungere che, se ci pensate, questo corrisponde teoricamente a un numero infinito di spazi vuoti sul primo spazio vuoto che incontra. Se si potesse compilare questa espressione, l'applicazione potrebbe benissimo semplicemente tradursi in un ciclo infinito prima del primo carattere è ancora visto. Quindi non solo non è un bug, è una buona cosa.