re.findall 不返回完整匹配？

Posted 2023-02-23

【中文标题】re.findall 不返回完整匹配？

【英文标题】：re.findall not returning full match?

【发布时间】：2013-08-27 20:04:36

【问题描述】：

我有一个文件，其中包含一堆字符串，例如“size=XXX;”。我第一次尝试 python 的 re 模块并且对以下行为有点迷惑：如果我在正则表达式中使用管道表示“或”，我只会看到返回的那部分匹配。例如：

>>> myfile = open('testfile.txt','r').read()
>>> print re.findall('size=50;',myfile)
['size=50;', 'size=50;', 'size=50;', 'size=50;']
>>> print re.findall('size=51;',myfile)
['size=51;', 'size=51;', 'size=51;']
>>> print re.findall('size=(50|51);',myfile)
['51', '51', '51', '50', '50', '50', '50']
>>> print re.findall(r'size=(50|51);',myfile)
['51', '51', '51', '50', '50', '50', '50']

匹配的“size=”部分消失了。 （但它肯定在搜索中使用，否则会有更多结果）。我做错了什么？

【问题讨论】：

这能回答你的问题吗？ Why does findall not return the whole match when matching with a group?

【参考方案1】：

您遇到的问题是，如果re.findall 尝试匹配的正则表达式捕获组（即括号中的正则表达式部分），则返回的是组，而不是匹配的字符串。

解决此问题的一种方法是使用非捕获组（以?: 为前缀）。

>>> import re
>>> s = 'size=50;size=51;'
>>> re.findall('size=(?:50|51);', s)
['size=50;', 'size=51;']

如果re.findall 尝试匹配的正则表达式没有捕获任何内容，它会返回整个匹配的字符串。

虽然在这种特殊情况下使用character classes 可能是最简单的选择，但非捕获组提供了更通用的解决方案。

【参考方案2】：

当正则表达式包含括号时，它们捕获其内容到组，改变findall() 的行为以仅返回这些组。这是the docs的相关部分：

(...)

匹配括号内的任何正则表达式， 并指示组的开始和结束；组的内容 可以在执行匹配后检索，并且可以匹配 稍后在带有\number 特殊序列的字符串中，描述 以下。要匹配文字 '(' 或 ')'，请使用 \( 或 \)，或将它们括起来 在字符类中：[(] [)]。

为避免这种行为，您可以使用非捕获组：

>>> print re.findall(r'size=(?:50|51);',myfile)
['size=51;', 'size=51;', 'size=51;', 'size=50;', 'size=50;', 'size=50;', 'size=50;']

再次，来自文档：

(?:...)

常规括号的非捕获版本。匹配括号内的任何正则表达式，但组匹配的子字符串在执行匹配后无法检索或稍后在模式中引用。

【参考方案3】：

在某些情况下，非捕获组不合适，例如使用检测重复单词的正则表达式（来自python docs 的示例）

r'(\b\w+)\s+\1'

在这种情况下，可以使用整个匹配项

[groups[0] for groups in re.findall(r'((\b\w+)\s+\2)', text)]

请注意，\1 已更改为 \2。

【参考方案4】：

'size=(50|51);' 表示您正在寻找size=50 或size=51，但仅匹配50 或51 部分（注意括号），因此它不返回sign=。

如果你想返回sign=，你可以这样做：

re.findall('(size=50|size=51);',myfile)

【讨论】：

(...) 定义了一个匹配组。您也可以使用(size=(50|51))，其中有两个匹配组，第一个是完整的size=5X，第二个是5X 部分。

【参考方案5】：

我认为你想要的是使用 [] 而不是 ()。 [] 表示字符集，而 () 表示组匹配。试试这样的：

print re.findall('size=5[01];', myfile)

【讨论】：

有帮助，虽然我正在构建更复杂的正则表达式，我需要 ()

【参考方案6】：

这是一个干净的解决方案：https://www.ocpsoft.org/tutorials/regular-expressions/or-in-regex/ 如果网站死在这里是示例（在 regex101.com 上尝试）：

正则表达式： ^I like (dogs|penguins), but not (lions|tigers).$ 尝试： 我喜欢狗，但不喜欢狮子。 我喜欢狗，但不喜欢老虎。 我喜欢企鹅，但不喜欢狮子。 我喜欢企鹅，但不喜欢老虎。

第 1 场比赛 全场比赛 2-29 我喜欢狗，但不喜欢狮子。 第 1 组。9-13 只狗 第 2 组。23-28 只狮子 ...

但使用正则表达式： ^I like (?:dogs|penguins), but not (?:lions|tigers).$ 第一场比赛 全场比赛 2-29 我喜欢狗，但不喜欢狮子。 第 2 场比赛 全场比赛 30-58 我喜欢狗，但不喜欢老虎。 ...