Python 正则表达式：为什么 re.sub('a*'， '-'， 'abxd'，count=1) = '-bxd' ？不应该是"-abxd"吗？

Question

阅读python的re包的文档后。我认为结果应该是re.sub('a*', '-', 'abxd',count=1) -> '-abxd'。然而，我得到了以下结果：

re.sub('a*', '-', 'abxd',count=1) -> '-bxd'

这真的让我很困惑，因为第一个匹配应该是'abxd'中'a'前面的空匹配。

特别是，我尝试了其他三个例子，得到了如下预期结果：

re.sub('a*', '-', '  abxd',count=1) -> '-  abxd'
re.sub('a*', '-', ' abxd',count=1) -> '- abxd'
re.sub('x*', '-', ' abxd',count=1) -> '-abxd'

我真的很感激你的帮助。

Answer 1

考虑findall对示例的作用

>>> re.findall(r'(a*)', 'abcd')
['a', '', '', '', '']

五个匹配，第一个是最简单和最明显的：匹配a。下一个是0或更多，在每个字符边界匹配：

for i in range(len(re.findall(r'a*', 'abcd'))):
s_sub=re.sub(r'a*', '-', 'abcd', count=i+1)
print(f' sub {i+1}: {s_sub}')

打印：

sub 1: -bcd
sub 2: --bcd
sub 3: --b-cd
sub 4: --b-c-d
sub 5: --b-c-d-

如果你仔细想想，这是正确的做法

如果你有re.sub('a*', '-', 'aaaabxd',count=1)，你会期待吗：

1. 将-插入字符串开头的字符边界以获得'-aaabxd'或
2. 在a之后获得'aaa-bxd'或
3. 你会期望a*意味着尽可能多的a来产生'-bxd'吗

第三个选项是a*:

>>> re.sub('a*', '-', 'aaaabxd',count=1)
'-bxd'

这种行为是量词*变灰的结果。正则表达式语言中有一个元字符，当与+或*量词?组合时，它会说不要贪婪，要LAZY。如果你使用它，它会导致你期望的行为，因为匹配所有a的第一个明显匹配被跳过：

>>> re.sub('a*?', '-', 'aaaabxd',count=1)
'-aaaabxd' 

和：

s='aabcd'
for i in range(len(re.findall(r'a*?', s))):
s_sub=re.sub(r'a*?', '-', s, count=i+1)
print(f'sub {i+1}: {s_sub}')

打印：

sub 1: -aabcd
sub 2: --abcd
sub 3: ---abcd
sub 4: ----bcd
sub 5: -----bcd
sub 6: -----b-cd
sub 7: -----b-c-d
sub 8: -----b-c-d-

Answer 2

a*在当前位置匹配尽可能多的a副本。它可以匹配零(与a+不同(，但如果有，它将匹配所有这些。