为什么 python 正则表达式仅适用于捕获括号？

Question

我正在编写一个 python 函数来处理多行 SQL 语句。

例如

multi_stmt = """
-- delete empty responses
DELETE FROM idlongDVR_responses WHERE new_response_code = '';
DELETE FROM idwideDVR_responses WHERE new_response_code = '';

-- create a current responses table for idlongDVR
DROP TABLE IF EXISTS idlongDVR_respCurr;
CREATE  TABLE idlongDVR_respCurr
    SELECT *, MAX(modifiedat) AS latest  FROM idlongDVR_responses
    GROUP BY sitecode, id, dass, tass, field, value, validation_message
    ORDER BY sitecode, id, dass, tass; """

所以我写了一个正则表达式来识别换行符，如果它后面没有双连字符（开始注释），并以分号结尾

sql_line = re.compile(r"""
            \n+         # starting from a new line sequence
            (?!(--|\n)) # if not followed by a comment start "--" or newline 

            (.*?)       # <<<<< WHY ARE THESE CAPTURING BRACKETS NEEDED?

            ;           # ending with a semicolon
                      """, re.DOTALL|re.VERBOSE|re.MULTILINE)

stmts = sql_line.findall(multi_statement)

for stmt in stmts:
    stmt = stmt[1]
    if len(stmt) > 0:
        cursor.execute(stmt)

它可以正常工作，但前提是我将.*? 术语括在括号中，这样它就变成了(.*?)。如果我不这样做，那么我什么都不匹配。

这是为什么？提前致谢。

Answer 1

“需要这些捕获括号”，因为您在负前瞻内使用了捕获括号。

(?!(--|\n))
   ^     ^

由于永远不应该匹配，因此第一个捕获组在成功匹配时将始终为空。因为像.findall 这样的一些方法只会返回捕获组（如果它们存在的话），你只会看到一个空字符串列表。

在此处删除 (...) 应该会使正则表达式的行为符合您的预期。顺便说一句，您可以使用[^;]* 而不是.*?。

sql_line = re.compile(r"\n+(?!--|\n)[^;]*;")

Answer 2

您使用的是findall，不是吗？ findall 很奇怪。如果您在正则表达式中有任何捕获组，它仅返回捕获组的内容。正如@KennyTM 指出的那样，您的前瞻中有一个捕获组，并且由于它是一个否定 前瞻，因此只有当该组无法捕获任何内容时，您的整体匹配才会成功。因此，您的空字符串列表。

不要问我为什么当您使用 .*? 周围的括号时，那些空组不出现。通过阅读文档，我希望它返回一个由两组组成的元组列表：一组是空的，一组是您期望的匹配项。但我只得到非空组。对于findall，这似乎是我以前从未遇到过的另一层荒谬。

顺便说一句，您不需要MULTILINE 标志。所做的只是改变锚点^ 和$ 的行为，允许它们在行边界以及整个字符串的开头和结尾处匹配。也许你已经知道了，但是有一个非常顽固的流氓模因，上面写着“如果它是多行的，你必须使用MULTILINE”，我会在看到它时尝试在上面加盖。