Python中正则匹配使用findall时的注意事项

Posted 2021-02-08 黑月教主的空间

在使用正则搜索内容时遇到一个小坑，百度搜了一下，遇到这个坑的还不少，特此记录一下。

比如说有一个字符串  "[e-mail]@[e-mail]111@asdfcom"

想匹配出里面所有的邮箱地址，该怎么实现呢?

写了个正则，测试一下：

>>> import re
>>> s  = "[e-mail]@[e-mail]111@asdfcom"
>>> pattern1 = "\\w+@(qq|163|126)\\.com"
>>> m1 = re.search(pattern1,s)
>>> m1.group()
\'[e-mail]\'

 可以看到，能够正确搜索到第一个结果，正则写得没问题，如果我想得到所有结果，自然而然就想到了用findall()方法。来试试看：

>>> m2 = re.findall(pattern1,s)
>>> m2
[\'qq\', \'163\', \'126\']

 这时候估计很多人就觉得奇怪了，使用search方法能搜索到，说明正则写得没问题呀，为什么使用findall的时候结果是这个样子的？为什么结果不是整个邮箱字符串？

查了资料才清楚一个概念，叫做捕获分组。

简单说，就是正则表示式里出现括号的时候，括号里的内容匹配到的部分是会被作为结果输出的，而不是把整个正则表达式匹配到的内容作为结果输出。

所以，就出现了上面的结果了。

那怎么得到想要的结果呢？在Python里，当一个分组的头部出现"?:"时，表示这是一个非捕获分组，意思就是它只是正常参与匹配过程，但不作为独立的结果进行输出。

那么按这个写法来试试：

>>> pattern2 = "\\w+@(?:qq|163|126)\\.com"
>>> m2 = re.findall(pattern2,s)
>>> m2
[\'[e-mail]\', \'[e-mail]\', \'[e-mail]\']

 取消了这个捕获分组，那么就是把整个表达式作为一个结果输出，这样才是我们预期想要的效果。

这种情况在使用正则中的“或”匹配时是特别需要注意的，因为这时候通常会加括号，很多初学者很容易掉进这个坑，得到一个不知所谓的结果。

当然，捕获分组这个功能本来是正常有用的，只是要用对了才行。

比如，同样是刚才这个例子，如果只想要邮箱中的用户名部分，该怎么写正则表达式呢？

显然就是把用户名部分加括号作为一个捕获分组就可以了。

>>> pattern3 = "(\\w+)@(?:qq|163|126)\\.com"
>>> m3 = re.findall(pattern3,s)
>>> m3
[\'123\', \'aaa\', \'bbb\']

 

对于findall()函数，其帮助是这么说明的：

findall函数，就是说在正则匹配里，如果有分组，就仅仅匹配分组里面的内容，然后返回这个组的列表; 如果有多个分组，那就把每一个分组看成一个单位，组合为一个元组，然后返回一个含有多个元组的列表。

分组这个功能还是比较强大的，以后会继续学习更多的部分。

 

参考文章:https://blog.csdn.net/qq_42739440/article/details/81117919