正则表达式中的 OR'ed 反向引用

Question

谁能解释一下这个正则表达式应该如何工作：

^(a)|\1$

?

我将其解释为：

*1。字符串的开头，

接着是：

*2。要么：

*2a。 a,

或：

*2b。之前匹配的(a) 组，

接着是：

*3。字符串结束

但是，2b 是不可能的，因为如果选择 2b 而不是 2a，则没有先前匹配的 (a) 组。所以，解释等价于：

*1。字符串的开头，

接着是：

*2。 a,

接着是：

*3。字符串结束

换句话说，该正则表达式等同于：^a$（也可以说 OR'ed 反向引用是无意义的。）

但是，在 Python 中，我得到：

>>> import re

>>> re.findall(r'^a$', r'aa')
[] # as expected

>>> re.findall(r'^(a)|\1$', r'a')
['a'] # as expected

>>> re.findall(r'^(a)|\1$', r'aa')
['a'] # NOT as expected

aa 怎么可能匹配 ^(a)|\1$？

Answer 1

这其实是一个正则表达式代码不可达的情况：

原则上，如果且仅当行首的单个 a 已经被匹配。但是，由于在行首匹配单个 a 意味着匹配已经完成，因此永远不会到达正则表达式的第二部分，而只会返回第一个 a。

我猜你有一个更复杂的组，而不仅仅是“a”，所以这里有一个匹配短语a，第二个a（可选），然后是行尾：@ 987654328@

这意味着“在行的开头匹配a，然后允许另一个foo（如果它在那里），然后是字符串的结尾，其中a可以是任何正则表达式模式。如果a真的是只有字母“a”，然后^aa?$ 是一个更简单的替代方案。

如果您只想匹配以a 开头或结尾的任何整行，则^(a.*|.*a)$ 可以工作，或者^(a[^\n]*|[^\n]*a)$ 如果使用单行模式，则简化为^(a.*?|.*?a)$ 用于支持@ 的正则表达式风格987654337@ 运营商。不幸的是，在这种情况下，a 的模式必须写在整个模式的开头和结尾，因为反向引用不会起到作用。如果a 是带有| 运算符的模式，则将其括在括号中，如^((a).*|.*(a))$。