此问题在此处已有答案：
Why order matters in this RegEx with alternation?（3个答案）
昨天关闭。
''' The repeating_letter_a function checks if the text passed
includes the letter "a" (lowercase or uppercase) at least twice.
For example, repeating_letter_a("banana") is True, while
repeating_letter_a("pineapple") is False. '''
import re
def repeating_letter_a(text):
# result = re.search(r"A+|a+.*a+", text) <-- this works fine
# result = re.search(r"a+|A+.*a+", text) <-- this does not
return result != None
# These test cases include the desired outcomes:
print(repeating_letter_a("banana")) # True
print(repeating_letter_a("pineapple")) # False
print(repeating_letter_a("Animal Kingdom")) # True
print(repeating_letter_a("A is for apple")) # True我能够生成工作的代码，但我很困惑为什么“A+”的顺序|a+”与“a+|如果我在www.example.com上测试代码Regex101.com，两个版本都能正常工作，这让我觉得这与Python（或re模块）对regex的实现有关。
2条答案
按热度按时间gopyfrb31#
@Kaz关于Python正则表达式的有序选择语义当然是正确的，但这不是这里的问题。连接没有交替紧密，所以没有
A+|a+子模式，因为A+|a+.*a+意味着(A+)|(a+.*a+)。类似地，a+|A+.*a+意味着(a+)|(A+.*a+)。它们显然匹配不同的字符串。第一个不匹配pineapple，因为它要查找一个A或两个a;第二个匹配pineapple，因为它将匹配一个a或者一个同时包含A和a的字符串。两个使用A的测试也包含a。因此您的测试也需要做一些工作。我想你是想用
(A+|a+).*a+。如果你是这样想的，你可能要考虑使用[Aa]+.*a+，甚至[Aa]+.*[Aa]+，尽管它有一点语义上的差异。但它仍然是不正确的。我不明白强制重复运算符
+的用法。您是说Aarhus不应该通过，因为两个A是连续的吗？如果是这样，您应该更接近[Aa]+.*a+，因为它将匹配Aa。A+|a+将匹配AA或aa。但是给定输入Aarhus，它只匹配A，剩下arhus要与模式的其余部分.*a+匹配，这将成功，因为.*将匹配空字符串。在任何情况下，都不需要重复
+。如果你想匹配Aarhus，那么你可以使用[Aa].*[Aa]，它匹配一个包含两个a的单词。如果你想坚持有两个a的聚类，那么Aarhus不匹配，而aardvark匹配，那么你可以使用[aA][^aA].*[aA]。如果在两个X1 M40 N1 X之间存在至少一个非X1 M39 N1 X，则该值匹配。4ioopgfo2#
基于回溯搜索的正则表达式实现往往有一个有趣的
|操作符，它的顺序很重要，因为它们是按从左到右的顺序尝试替代项的。编译成等价的NFA/DFA的正则表达式就没有这个怪癖。它不会对确定基本问题产生影响：给定的输入字符串是否属于正则表达式所表示的字符串集？
但是，它与部分匹配有所不同：给定
A|B，如果A和B两者独立地匹配S的前缀，但是长度不同，则组合的正则表达式A|B必须匹配两者中较长的一个;但是从左到右尝试替换项的回溯实现将在A处停止。它也可以尝试B并跟踪哪个是较长的匹配，但是这将使它变慢。