重新编译中的Python正则表达式模式最大长度？

Question

我尝试在 Python 3 中使用

re.compile

编译一个大模式。

我尝试编译的模式由 500 个小单词组成（我想从文本中删除它们）。问题是它在大约 18 个单词后停止了模式

Python 不会引发任何错误。

我所做的是：

stoplist = map(lambda s: "\\b" + s + "\\b", stoplist)
stopstring = '|'.join(stoplist)
stopword_pattern = re.compile(stopstring)

停止字符串还可以（所有单词都在里面），但模式要短得多。它甚至停在一个词的中间！

正则表达式模式有最大长度吗？

Answer 1

考虑这个例子：

import re
stop_list = map(lambda s: "\\b" + str(s) + "\\b", range(1000, 2000))
stop_string = "|".join(stop_list)
stop_word_pattern = re.compile(stop_string)

如果您尝试打印图案，您会看到类似以下内容：

>>> print(stop_word_pattern)
re.compile('\\b1000\\b|\\b1001\\b|\\b1002\\b|\\b1003\\b|\\b1004\\b|\\b1005\\b|\\b1006\\b|\\b1007\\b|\\b1008\\b|\\b1009\\b|\\b1010\\b|\\b1011\\b|\\b1012\\b|\\b1013\\b|\\b1014\\b|\\b1015\\b|\\b1016\\b|\\b1017\\b|\)

这似乎表明该模式不完整。然而，这似乎只是

__repr__

和/或

__str__

对象的

re.compile

方法的限制。如果您尝试对模式的“缺失”部分执行匹配，您会发现它仍然成功：

>>> stopword_pattern.match("1999")
<_sre.SRE_Match object; span=(0,4), match='1999')

正如评论中所解释的，您可以使用

.pattern

返回完整的模式，例如：

stopword_pattern.pattern