[已解决]关于正则表达式：p = re.compile(r'(\b\w+)\s+\1') 的问题

dingjie

>>> p = re.compile(r'(\b\w+)\s+\1')
>>> p.search('Paris in the the spring').group()
'the the'

这里不太明白为什么会是 'the the'，
上方例子中，r’(\b\w+)\s+\1’  其中 \s 后面的 + 是针对 \s 而不是针对 (\b\w+)\s，这里如果要针对整个整体需要用小括号括起来如：((\b\w+)\s) 这样才会匹配整体；所以是匹配一次 ’(\b\w+)\s+ 这里的 \s 可以是一次也可以是多次。
        所以匹配出来的结果是 'Paris'  那么这个 'the the' 又是怎么来的呢

最佳答案

月排行榜 / 总排行榜

SylarPu

2017-12-20 10:41:38

这里最主要的原因是 \1
首先一开始匹配 （\b\w）\s+   
匹配了paris
随后，需要匹配\1
这里 \1 的值为(\b\w)的值 paris
最终需要匹配的为
paris paris
但实际paris后面跟得是in,
随后依次匹配，知道匹配到了
the the
成功匹配到 返回值

跳转到最佳答案楼层

nangong168

讲的很好！

鹏程2018

\1表示 第一个小括号匹配到的内容

刚开始(\b\w+) 匹配到Paris 此时表达式可以理解为"Paris\s+Paris" 但是没有第二个Paris所以不满足表达式(\b\w+)\s+\1
当匹配到the时 此时的表达式可以理解为"the\s+the" 所以能匹配"the the"

dingjie

鹏程2018 发表于 2017-12-19 21:15
\1表示 第一个小括号匹配到的内容

刚开始(\b\w+) 匹配到Paris 此时表达式可以理解为"Paris\s+Paris" 但 ...

所以当子组匹配成功时第一个序号是1而不是0吗？所以引用序号为1的子组就是引用 Paris？

dingjie

鹏程2018 发表于 2017-12-19 21:15
\1表示 第一个小括号匹配到的内容

刚开始(\b\w+) 匹配到Paris 此时表达式可以理解为"Paris\s+Paris" 但 ...

\s 后面的那个 + 是重复 \s 这个符号一次或者多次的吧？

SylarPu

这里最主要的原因是 \1
首先一开始匹配 （\b\w）\s+   
匹配了paris
随后，需要匹配\1
这里 \1 的值为(\b\w)的值 paris
最终需要匹配的为
paris paris
但实际paris后面跟得是in,
随后依次匹配，知道匹配到了
the the
成功匹配到 返回值

dingjie

SylarPu 发表于 2017-12-20 10:41
这里最主要的原因是 \1
首先一开始匹配 （\b\w）\s+   
匹配了paris

明白了，谢谢！！！

SylarPu

dingjie 发表于 2017-12-20 11:19
明白了，谢谢！！！