python - 正则表达式搜索和 findall

Posted 2023-02-22

【中文标题】python - 正则表达式搜索和 findall

【英文标题】：python - regex search and findall

【发布时间】：2011-12-27 22:41:49

【问题描述】：

我需要在字符串中为给定的正则表达式找到所有匹配项。我一直在使用findall() 来做到这一点，直到我遇到一个没有达到我预期的情况。例如：

regex = re.compile('(\d+,?)+')
s = 'There are 9,000,000 bicycles in Beijing.'

print re.search(regex, s).group(0)
> 9,000,000

print re.findall(regex, s)
> ['000']

在这种情况下，search() 返回我需要的内容（最长匹配），但 findall() 的行为不同，尽管文档暗示它应该是相同的：

findall() 匹配所有出现的模式，而不仅仅是第一个 正如search() 所做的那样。

为什么行为不同？

如何使用findall()（或其他）实现search() 的结果？

【参考方案1】：

好的，我知道发生了什么……来自文档：

如果模式中存在一个或多个组，则返回组列表； 如果模式有多个组，这将是一个元组列表。

事实证明，您确实有一个组“(\d+,?)”...所以，它返回的是该组的最后一次出现，即 000。

一种解决方案是用一个组包围整个正则表达式，像这样

regex = re.compile('((\d+,?)+)')

然后，它将返回 [('9,000,000', '000')]，这是一个包含两个匹配组的元组。当然，你只关心第一个。

就个人而言，我会使用以下正则表达式

regex = re.compile('((\d+,)*\d+)')

为了避免匹配诸如“这是一个错误的数字 9,123”之类的内容，

编辑。

这是一种避免用括号括住表达式或处理元组的方法

s = "..."
regex = re.compile('(\d+,?)+')
it = re.finditer(regex, s)

for match in it:
  print match.group(0)

finditer 返回一个迭代器，您可以使用它来访问找到的所有匹配项。这些匹配对象与 re.search 返回的相同，因此 group(0) 返回您期望的结果。

【讨论】：

感谢您的解释。事实证明finditer 实际上更适合我按照您的建议所做的事情。正则表达式来自用户输入，因此我无法控制它。

【参考方案2】：

@aleph_null 的answer 正确解释了导致您的问题的原因，但我认为我有更好的解决方案。使用这个正则表达式：

regex = re.compile(r'\d+(?:,\d+)*')

它更好的一些原因：

(?:...) 是一个非捕获组，因此每场比赛您只能得到一个结果。

\d+(?:,\d+)* 是一种更好的正则表达式，效率更高且返回误报的可能性更低。

如果可能，您应该始终将 Python 的原始字符串用于正则表达式；您不太可能对正则表达式转义序列（如 word 边界 的 \b）被解释为字符串文字转义序列（如 退格 的 \b )。

【讨论】：

谢谢艾伦！我之前应该提到过，但我无法控制正则表达式，因为它是用户输入..

没问题！但是，为了记录，让用户输入要由您的应用程序执行的正则表达式是一个坏主意。当他们写得不好（或只是匆忙输入）的正则表达式无法匹配或导致系统崩溃时，他们会为此责备你。 ;)