Непоследовательность между $и ^ в regex при использовании аргументов start/end для re.search?

Из того, что я прочитал, ^ должен соответствовать началу строки, а $ конец. Однако, с re.search(), похоже, что поведение ^ продолжает работать нормально, а $ "breaks". Пример:

>>> a = re.compile( "^a" )
>>> print a.search( "cat", 1, 3 )
None

Это кажется мне правильным - 'a' не находится в начале строки, даже если она находится в начале поиска.

>>> a = re.compile( "a$" )
>>> print a.search( "cat", 0, 2 )
<_sre.SRE_Match object at 0x7f41df2334a8>

Это кажется мне неправильным или, по крайней мере, непоследовательным.

Документация в модуле re явно указывает, что поведение ^ не изменяется из-за аргументов start/end для re.search, но никаких изменений в поведении не упоминается для $ (что я видно).

Может ли кто-нибудь объяснить, почему все было спроектировано таким образом и/или предложило удобное обходное решение?

В обходном пути я хотел бы создать регулярное выражение, которое всегда соответствует концу строки, даже если кто-то использует аргумент end для re.search.

И почему был создан re.search такой, что:

s.search( string, endPos=len(string) - 1 )

совпадает с

s.search( string[:-1] )

когда

s.search( string, startPos=1 )

явно и намеренно не совпадает с

s.search( string[1:] )

Кажется, что проблема с несогласованностью между ^ и $ невелика и больше несогласованности в функции re.search.

Ответ 1

Краткий ответ

Используйте \A to и \Z для соответствия началу или концу строки. Соответствующие строки из модуля re docs:

6.2.1. Синтаксис регулярного выражения

\AСовпадает только в начале строки.

\ZСовпадает только в конце строки.

Предостережение о `endpos`

Это не сработает ", даже если кто-то использует аргумент end для re.search". В отличие от параметра "start" pos, который просто отмечает начальную точку, параметр endpos означает, что поиск (или совпадение) будет выполняться только на части строки (выделено курсором):

6.2.3. Объекты регулярного выражения

regex.search(string[, pos[, endpos]])

Необязательный параметр endpos ограничивает расстояние поиска строки; это будет как если бы строка была endpos длинными символами, [...] rx.search(string, 0, 50) эквивалентно rx.search(string[:50], 0).

\Z соответствует концу искомой строки, что в точности соответствует endpos.

Фон

Более знакомые ^ и $ не делают то, что вы думаете:

^(Caret.) Соответствует началу строки, а в MULTILINE также соответствует сразу после каждой новой строки.

$Соответствует концу строки или непосредственно перед новой строкой в конце строки, а в MULTILINE режим также соответствует перед новой строкой. foo соответствует как "foo", так и "foobar", а регулярное выражение foo$ соответствует только "foo". Более интересно, поиск foo.$ в 'foo1\nfoo2\n' обычно соответствует "foo2", но "foo1" в MULTILINE; поиск одного $ в 'foo\n' найдет два (пустых) совпадения: один непосредственно перед символом новой строки и один в конце строки.

Регулярные выражения Python находятся под сильным влиянием Perl, что расширяет старые возможности grep с помощью своего собственного хозяина. Это включало многострочное сопоставление, в котором возник вопрос о метасимволах, таких как ^: Соответствовало ли это началу строки или началу строки? Когда grep соответствует только одной строке за раз, это были эквивалентные понятия.

Как вы можете видеть, ^ и $ в конечном итоге пытались сопоставить все "start-like" и "end-ish". Perl представил новые escape-последовательности \A и \Z (нижний регистр), чтобы соответствовать только началу строки и концу строки.

Эти escape-последовательности были приняты Python, но с одним отличием: Python не принял Perl \Z (верхний регистр), который соответствовал как конца строки, так и специальной строки newline-before-end-string... что делает его не совсем партнером \A, который можно было бы ожидать.

(Я предполагаю, что Perl \Z с верхним расположением Python для последовательности, избегая однообразных регулярных выражений '\Apattern\z', которые были рекомендованы в таких книгах, как Perl Best Practices.)

История `pos` и `endpos`

Похоже, что странная "не на самом деле позиция начала-начала" значения pos столь же древняя, как и сам параметр:

Python 1.4 match function docs (25 октября 1996 г. --- возможно, предварительно предваряющий объект регулярного выражения) t показывает параметры pos или endpos.
Python 1.5 match метод docs (17 февраля 1998 г.) представляет как объект регулярного выражения, так и pos и endpos. В нем указано, что ^ будет соответствовать pos, хотя последующие версии предполагают, что это была опечатка. (Говоря о опечатках: Сам символ ^ отсутствует. Он пришел и ушел, пока наконец не появился навсегда (?) В Python 2.1.)
Python 1.5.1 match метод docs (14 апреля 1998 г.) вставить отсутствующий "нет", отменив предыдущий документы.
Python 1.5.1p1 match метод docs (06 августа 1998 г.) уточняет неожиданные эффекты pos. Они соответствуют описание Python 3.6.1 pos слово за слово... дайте или возьмите эту надоедливую ^ опечатку.

Я подозреваю, что многочисленные изменения в документах за пару месяцев выпусков исправлений ошибок отражают документы, догоняющие реальность - не изменения дизайна match (хотя у меня нет Python 1, чтобы проверить это).

python-dev архивы списков рассылки вернутся только к 1999 году, поэтому, если предыдущие сообщения не были сохранены в другом месте, я думаю, почему "вопрос требует угадать, кто написал этот код, и спрашивать их.

Ответ 2

В соответствии с документацией search() здесь:

Необязательный параметр endpos ограничивает время поиска строки; это будет так, как если бы строка была длинной символом endpos, поэтому будут найдены только символы из pos в endpos-1.

Итак, ваш синтаксис a.search("cat", 0, 2) эквивалентен a.search("ca"), который соответствует шаблону a$.

Ответ 3

Это кажется мне неправильным или, по крайней мере, непоследовательным.

Нет, интерпретация endpos согласуется с остальной частью Python, это начальная позиция pos, которая несовместима как документация объясняет

параметр pos дает индекс в строке, где поиск Начало; он по умолчанию равен 0. Это не совсем эквивалентно разрезанию Струна; символ "^" совпадает с реальным началом строка