POSIX似乎将正则表达式实现分为两种：基本正则表达式（BRE）和扩展正则表达式（ERE）。Python re module参考似乎没有指定。
re
7gs2gvoe1#
除了语法上的一些相似之处，re模块不遵循正则表达式的POSIX标准。
POSIX正则表达式（可以用DFA/NFA甚至回溯引擎实现）总是找到最左边的最长匹配，而re模块是一个回溯引擎，它找到最左边的“最早”匹配（根据正则表达式定义的搜索顺序，“最早”）。在匹配(Prefix|PrefixSuffix)与PrefixSuffix的情况下，可以观察到匹配语义的差异。
(Prefix|PrefixSuffix)
PrefixSuffix
Prefix
在匹配(xxx|xxxxx)*和xxxxxxxxxx（10个x的字符串）的情况下，也可以看到这种差异：
(xxx|xxxxx)*
xxxxxxxxxx
x
$ [[ "xxxxxxxxxx" =~ (xxx|xxxxx)* ]] && echo "${BASH_REMATCH[0]}" xxxxxxxxxx
所有10个x都匹配。
>>> re.search(r'(?:xxx|xxxxx)*', 'xxxxxxxxxxx').group(0) 'xxxxxxxxx'
只有9个x匹配，因为它在所有3次重复中选择了交替中的第一个项目xxx，并且没有任何东西迫使它回溯并尝试交替中的第二个项目。
xxx
POSIX正则表达式除了在匹配语义上的差异外，还定义了排序符号、等价类表达式、基于排序的字符范围的语法，这些特性极大地增强了正则表达式的表达能力。以等价类表达式为例，来自文档：等价类表达式应表示属于等价类的排序元素的集合，如排序顺序中所述。[...]。该类应通过将等价类中的任何一个排序元素包含在括号-equal中来表示（"[="和"=]"）分隔符。例如，如果'a'、'à'和'â'属于同一等价类，则"[[=a=]b]"、"[[=à=]b]"、和"[[=â=]b]"各自等价于"[aàâb]"。[...]由于这些特性很大程度上依赖于语言环境设置，因此同一个正则表达式在不同的语言环境下可能会有不同的行为。它还依赖于系统上的语言环境数据来确定排序规则。
"[="
"=]"
'a'
'à'
'â'
"[[=a=]b]"
"[[=à=]b]"
"[[=â=]b]"
"[aàâb]"
re借用了Perl的语法，但并不是Perl正则表达式中的所有功能都在re中实现。下面是一些在re中可用的正则表达式功能，这些功能在POSIX正则表达式中不可用：
虽然人们通常把POSIX中的*称为贪婪，但它实际上只指定了POSIX中重复的下限和上限，所谓的“贪婪”行为是由于最左边的最长匹配规则。
*
(?(id/name)yes-pattern|no-pattern)
\b
\s
\d
\w
oaxa6hgo2#
两者都不是。它基本上是PCRE方言，但它是一个不同的实现。re文档中的第一句话是：该模块提供了与Perl中的操作类似的正则表达式匹配操作。虽然这并不能立即向新手揭示它们与POSIX正则表达式的关系，但应该知道Perl 4和后来的Perl 5提供了比早期工具的正则表达式功能更丰富的功能集，包括POSIX对grep -E（又名ERE）的强制要求。perlre manual page更详细地描述了正则表达式的特性，尽管你会在Python文档中以不同的形式找到相同的细节。Perl手册页包含了这段历史：Perl模式匹配中使用的模式是从Version 8 regex例程中提供的那些模式发展而来的（这些例程是从亨利Spencer对V8例程的可自由再分发的重新实现中派生出来的）。(Here Spencer的库基本上（重新）实现了POSIX正则表达式。）Perl 4有大量的方便结构，如\d，\s，\w以及符号简写，如\t，\f，\n。Perl 5添加了一组重要的扩展（仍在缓慢增长），包括但不限于：
grep -E
perlre
\t
\f
\n
(?
因此，“正则”表达式不再是严格的“正则”表达式。这是由Philip Hazel在一个可移植库中重新实现的，最初是为Exim邮件服务器;他的PCRE library已经在无数不同的应用程序中找到了自己的方式，包括许多编程语言（Ruby、PHP、Python等）。在特性和行为上都有区别。（例如，Perl在内部将*更改为类似{0,32767}的东西，而PCRE则执行其他操作。）Python的早期版本实际上有一个不同的正则表达式实现，有plans to change it again（尽管它基本上仍然是PCRE）。这是Python 2.7 / 3.5的情况。
{0,32767}
2条答案
按热度按时间7gs2gvoe1#
除了语法上的一些相似之处，
re模块不遵循正则表达式的POSIX标准。匹配语义不同
POSIX正则表达式（可以用DFA/NFA甚至回溯引擎实现）总是找到最左边的最长匹配，而
re模块是一个回溯引擎，它找到最左边的“最早”匹配（根据正则表达式定义的搜索顺序，“最早”）。在匹配
(Prefix|PrefixSuffix)与PrefixSuffix的情况下，可以观察到匹配语义的差异。PrefixSuffix。re引擎（以及许多其他回溯正则表达式引擎）将只匹配Prefix，因为Prefix在交替中首先指定。在匹配
(xxx|xxxxx)*和xxxxxxxxxx（10个x的字符串）的情况下，也可以看到这种差异：所有10个
x都匹配。只有9个
x匹配，因为它在所有3次重复中选择了交替中的第一个项目xxx，并且没有任何东西迫使它回溯并尝试交替中的第二个项目。POSIX独占的正则表达式特性
POSIX正则表达式除了在匹配语义上的差异外，还定义了排序符号、等价类表达式、基于排序的字符范围的语法，这些特性极大地增强了正则表达式的表达能力。
以等价类表达式为例，来自文档：
等价类表达式应表示属于等价类的排序元素的集合，如排序顺序中所述。[...]。该类应通过将等价类中的任何一个排序元素包含在括号-equal中来表示（
"[="和"=]"）分隔符。例如，如果'a'、'à'和'â'属于同一等价类，则"[[=a=]b]"、"[[=à=]b]"、和"[[=â=]b]"各自等价于"[aàâb]"。[...]由于这些特性很大程度上依赖于语言环境设置，因此同一个正则表达式在不同的语言环境下可能会有不同的行为。它还依赖于系统上的语言环境数据来确定排序规则。
re正则表达式特性re借用了Perl的语法，但并不是Perl正则表达式中的所有功能都在re中实现。下面是一些在re中可用的正则表达式功能，这些功能在POSIX正则表达式中不可用：虽然人们通常把POSIX中的
*称为贪婪，但它实际上只指定了POSIX中重复的下限和上限，所谓的“贪婪”行为是由于最左边的最长匹配规则。(?(id/name)yes-pattern|no-pattern)\b、\s、\d、\w（一些POSIX正则表达式引擎可能实现这些，因为标准未定义这些情况的行为）oaxa6hgo2#
两者都不是。它基本上是PCRE方言，但它是一个不同的实现。
re文档中的第一句话是：该模块提供了与Perl中的操作类似的正则表达式匹配操作。
虽然这并不能立即向新手揭示它们与POSIX正则表达式的关系，但应该知道Perl 4和后来的Perl 5提供了比早期工具的正则表达式功能更丰富的功能集，包括POSIX对
grep -E（又名ERE）的强制要求。perlremanual page更详细地描述了正则表达式的特性，尽管你会在Python文档中以不同的形式找到相同的细节。Perl手册页包含了这段历史：Perl模式匹配中使用的模式是从Version 8 regex例程中提供的那些模式发展而来的（这些例程是从亨利Spencer对V8例程的可自由再分发的重新实现中派生出来的）。
(Here Spencer的库基本上（重新）实现了POSIX正则表达式。）
Perl 4有大量的方便结构，如
\d，\s，\w以及符号简写，如\t，\f，\n。Perl 5添加了一组重要的扩展（仍在缓慢增长），包括但不限于：(?开头的内容因此，“正则”表达式不再是严格的“正则”表达式。
这是由Philip Hazel在一个可移植库中重新实现的，最初是为Exim邮件服务器;他的PCRE library已经在无数不同的应用程序中找到了自己的方式，包括许多编程语言（Ruby、PHP、Python等）。在特性和行为上都有区别。（例如，Perl在内部将
*更改为类似{0,32767}的东西，而PCRE则执行其他操作。）Python的早期版本实际上有一个不同的正则表达式实现，有plans to change it again（尽管它基本上仍然是PCRE）。这是Python 2.7 / 3.5的情况。