Python正则表达式是否与Ruby的原子分组等效？

Question

Ruby的正则表达式有一个叫做原子分组的功能(?>regexp),在这里描述,Python的re模块中是否有任何等价物？

Answer 1

Python不直接支持此功能,但您可以使用零宽度前瞻assert((?=RE))来模拟它,它从当前点匹配您想要的相同语义,将一个命名组((?P<name>RE))放在前瞻中,然后使用一个命名的反向引用((?P=name)),以匹配零宽度断言匹配的任何内容.结合在一起,这将为您提供相同的语义,代价是创建一个额外的匹配组,以及许多语法.

例如,您提供的链接给出了Ruby示例

/"(?>.*)"/.match('"Quote"') #=> nil

我们可以在Python中仿效:

re.search(r'"(?=(?P<tmp>.*))(?P=tmp)"', '"Quote"') # => None

我们可以证明我正在做一些有用的事情,而不仅仅是喷出线噪声,因为如果我们改变它以使内部组不吃决赛",它仍然匹配:

re.search(r'"(?=(?P<tmp>[A-Za-z]*))(?P=tmp)"', '"Quote"').groupdict()
# => {'tmp': 'Quote'}

您还可以使用匿名组和数字反向引用,但这会非常充满线噪声:

re.search(r'"(?=(.*))\1"', '"Quote"') # => None

(完全披露:我从perl的perlre文档中学到了这个技巧,在文档中提到它(?>...).)

除了具有正确的语义之外,它还具有适当的性能属性.如果我们输出一个例子perlre:

[nelhage@anarchique:~/tmp]$ cat re.py
import re
import timeit


re_1 = re.compile(r'''\(
                           (
                             [^()]+           # x+
                           |
                             \( [^()]* \)
                           )+
                       \)
                   ''', re.X)
re_2 = re.compile(r'''\(
                           (
                             (?=(?P<tmp>[^()]+ ))(?P=tmp) # Emulate (?> x+)
                           |
                             \( [^()]* \)
                           )+
                       \)''', re.X)

print timeit.timeit("re_1.search('((()' + 'a' * 25)",
                    setup  = "from __main__ import re_1",
                    number = 10)

print timeit.timeit("re_2.search('((()' + 'a' * 25)",
                    setup  = "from __main__ import re_2",
                    number = 10)

我们看到了显着的改善:

[nelhage@anarchique:~/tmp]$ python re.py
96.0800571442
7.41481781006e-05

随着我们扩展搜索字符串的长度,这只会变得更加引人注目.

Answer 2

根据这张表,答案是否定的.创建了一个RFE以将其添加到Python 3中,但拒绝支持新regex模块,后者支持它:

>>> import regex
>>> regex.match('"(?>.*)"', '"Quote"')
>>> regex.match('"(.*)"', '"Quote"')
<_regex.Match object at 0x00C6F058>

注意:regex也适用于Python 2.

Answer 3

截至 2022 年 3 月 21 日，也就是该线程创建大约 10 年后，Python 终于在rePython 3.11.0a7 的标准库模块中添加了原子分组（和所有格匹配）：提交链接。所以现在，该线程的所有答案可能都已过时；之前，只有第三方regex模块具有原子分组和所有格匹配。现在，它已经内置到Python的re模块中。