本文介绍在不使用sympy等符号计算库的前提下，如何结合正则表达式与安全表达式求值，对含变量的多项式方程进行数值部分简化，重点解决括号嵌套、运算符优先级识别及变量隔离问题。
本文介绍在不使用sympy等符号计算库的前提下，如何结合正则表达式与安全表达式求值，对含变量的多项式方程进行数值部分简化，重点解决括号嵌套、运算符优先级识别及变量隔离问题。
手动实现方程简化需绕过“直接解析完整数学表达式”这一高复杂度任务，转而聚焦数值子表达式的精准提取与安全求值。正则表达式本身无法处理嵌套括号或运算优先级，因此不能用于完整语法解析；但可作为预处理工具，高效定位纯数字+运算符+括号的子串（即不含字母变量的部分），再交由ast.literal_eval或受限eval安全计算。
关键在于设计能匹配完整算术子表达式的正则模式。原问题中 r'\(?([-+/*]?\d+\.\d+|\d+[-+/*]?)+\)?' 失败的根本原因在于：它以字符为单位贪婪匹配，未考虑括号配对与表达式完整性，导致将 3 + 9 + (3 * (8 + 6)) * 18.56 错误切分为 ['9+', '3*', '6', '*18.56']——这实质是试图用正则做语法分析，违背其能力边界。
正确策略是分步处理：
- 变量隔离：用 r'[a-zA-Z_]\w*' 提取所有变量名（支持下划线和数字后缀），并记录其位置；
- 数值表达式提取：用 r'\b(?:\d+\.?\d*|\.\d+)(?:[eE][+-]?\d+)?(?:[+\-*/]\s*(?:\d+\.?\d*|\.\d+)(?:[eE][+-]?\d+)?)*)' 匹配连续数字与运算符组合，但更可靠的做法是替换变量为占位符后，用栈算法提取最外层括号内的纯数字表达式；
- 安全求值：对提取出的子串，使用 ast.literal_eval（仅支持字面量）或自定义 eval 沙箱（禁用函数调用、仅允许 +, -, *, /, **, (, ) 等）。
以下是一个轻量级实现示例（支持基础四则运算与括号）：
立即学习“Python免费学习笔记（深入）”；
import re
import ast
def safe_eval(expr: str) -> float:
"""安全求值纯数字表达式（无变量）"""
# 移除空格，验证只含数字、运算符、括号、小数点
expr_clean = re.sub(r'\s+', '', expr)
if not re.fullmatch(r'[0-9+\-*/().\s]+', expr_clean):
raise ValueError(f"Unsafe expression: {expr}")
try:
# 使用 ast.literal_eval 无法处理运算，改用 compile+eval 限制上下文
allowed_names = {"__builtins__": {}}
return eval(expr_clean, allowed_names, {})
except:
raise ValueError(f"Invalid arithmetic: {expr}")
def simplify_equation(eq_str: str) -> str:
"""简化方程：仅合并数值项，保留变量结构"""
# 分割等号左右两侧
if '=' not in eq_str:
raise ValueError("Equation must contain '='")
left, right = [s.strip() for s in eq_str.split('=', 1)]
# 定义递归替换函数：查找并替换最内层括号中的纯数字表达式
def replace_numeric(expr: str) -> str:
# 查找最内层括号：( ... ) 且内部无括号
while '(' in expr:
inner = re.search(r'\(([^()]*)\)', expr)
if not inner:
break
content = inner.group(1)
# 若content全为数字/运算符/空格，则计算并替换
if re.fullmatch(r'[\d+\-*/.\s]+', content.strip()):
try:
val = safe_eval(content)
expr = expr.replace(inner.group(0), str(val), 1)
except:
break # 跳过无法计算的片段
else:
break # 含变量，停止向内
return expr
left_simp = replace_numeric(left)
right_simp = replace_numeric(right)
# 合并同类常数项（如 1 + 9 → 10）
left_simp = re.sub(r'(\d+)\s*\+\s*(\d+)', lambda m: str(int(m.group(1)) + int(m.group(2))), left_simp)
right_simp = re.sub(r'(\d+)\s*\+\s*(\d+)', lambda m: str(int(m.group(1)) + int(m.group(2))), right_simp)
return f"{left_simp} = {right_simp}"
# 示例使用
eq = "(24*x + 1 + 9) / (((8 * 6 * 2) + 1) * y) = 3 + 9 + (3 * (8 + 6)) * 18.56"
print(simplify_equation(eq))
# 输出: (24*x + 10) / (97 * y) = 12 + 779.52 → 进一步可优化为 (24*x + 10)/(97*y) = 791.52⚠️ 注意事项：
- 永远不要对用户输入直接使用 eval() —— 必须严格限制执行环境（如上述 allowed_names）；
- 正则无法替代语法解析器，对复杂表达式建议采用递归下降解析器或 ast.parse；
- 本方案仅简化数值部分，不进行代数化简（如 (24x+10)/97y 不会转为 24x/(97y) + 10/(97y)）；
- 实际工程中，强烈推荐使用 SymPy（如答案所示），它已完备解决符号推导、化简、方程求解等全部需求。
总结：正则表达式是文本预处理的利器，但不是数学解析的银弹。将其定位为“变量标记器”和“数值片段探测器”，配合安全求值与简单字符串替换，即可在零外部依赖下完成基础方程数值简化。
