我道歉，如果这是在某处发布的，但我的粗略搜索没有找到任何东西。
在做一些Python编程时，我注意到以下命令：
re.sub("a*((ab)*)b", r"\1", "aabb")
返回空字符串。但是sed中的等效命令：
echo "aabb" | sed "s/a*\(\(ab\)*\)b/\1/"
返回ab。
我觉得python正则表达式开头的“a *”指令会匹配a两个，导致“（ab）*”匹配零次，但我不知道sed如何提出ab。有谁知道造成这种情况的两个正则表达式引擎之间有什么区别？我相信它们都默认贪婪地匹配星星，但我发现sed可能从右边而不是左边匹配。任何见解将不胜感激。
答案 0 :(得分：4)
默认情况下Python和sed都是贪婪的但是...... Python正则表达式尝试在所有情况下从左到右进行评估，尽管如果尝试的分支无法通过匹配继续，它必须最终回溯到先前的状态。 相反，在评估之前优化Sed正则表达式，以便通过将正则表达式重写为更确定的形式来防止不必要的回溯。因此，组合的可选模式“aab”可能在普通“a”之前进行测试，因为首先尝试了最具体的可能字符串。
Python模式将字符串“aabb”两次匹配为“aab”+“b”（标记为“＆lt;＆gt;”）
>>> re.sub("a*((ab)*)b", r"<\1>", "aabb")
'<><>'
而sed通过一次替换匹配整个“aabb”：
$ echo "aabb" | sed "s/a*\(\(ab\)*\)b/<\1>/"
<ab>
Python正则表达式回溯算法在regex howto - Repeating Things中用“逐步示例......”一词引入的两段中解释得很好。 IMO完全按照regex docs描述的内容：“扫描目标字符串时，RE由'|'分隔从左到右尝试。“
示范
“（| a | aa）”btw的顺序。 “（aa | a |）”受到Python的尊重
>>> re.sub("(?:|a|aa)((ab)*)b", r"<\1>", "aabb")
'<ab>'
>>> re.sub("(?:aa|a|)((ab)*)b", r"<\1>", "aabb")
'<><>'
但是sed 忽略了这个顺序，因为sed优化了正则表达式。匹配“aab”+“b”可以重现从模式中删除“a”选项。
$ echo "aabb" | sed "s/\(\|a\|aa\)\(\(ab\)*\)b/<\2>/g"
<ab>
$ echo "aabb" | sed "s/\(aa\|a\|\)\(\(ab\)*\)b/<\2>/g"
<ab>
$ echo "aabb" | sed "s/\(aa\|\)\(\(ab\)*\)b/<\2>/g"
<><>
修改：我删除了有关DFA / NFA的所有内容，因为我无法从当前文本中证明这一点。
答案 1 :(得分：2)
你构建的有趣的谜题。从我读过的文章来看，python和sed的regexp引擎都基于Henry Spencer的正则表达式库（就像perl一样），它依赖于回溯。 （不幸的是我找不到我正在基于此的文章）。
无论如何，这是不某些应该是实现细节的东西：Python的行为违背了POSIX标准，这要求RE在（a）尽可能匹配，以及（b）匹配从该点开始的最长字符串。 （请参阅man 7 regex（在Linux上）以及更多内容。）
要找到最长的匹配项，回溯（“NFA类型”）正则表达式引擎必须在找到一个匹配项后继续检查备用项。因此，实施者偷工减料也就不足为奇了。显然，python的行为是不符合的，因为它找不到最长的匹配。根据sed手册页，sed并不总是符合“出于性能原因”。但显然这种情况是正确的。
顺便提一下，你的命令并不完全等同：re.sub会尽可能多地执行替换，而sed的s/a/b/只会执行一次.sed版本应该是：
echo "aabb" | sed "s/a*\(\(ab\)*\)b/\1/g"
这解释了为什么我们在python中得到空字符串：RE第一次匹配aab而第二次匹配剩余的b，删除每个部分（因为它全部匹配a*和正则表达式的最终b。您可以通过以下变体看到这一点：
>>> re.sub("a*((ab)*)b", r"X\1Y", "aabb")
'XYXY'