使用 re.findall 在正则表达式中捕获命名组

Posted 2023-02-23

【中文标题】使用 re.findall 在正则表达式中捕获命名组

【英文标题】：Capturing named groups in regex with re.findall

【发布时间】：2014-10-27 01:09:30

【问题描述】：

当我试图回答这个问题时：regex to split %ages and values in python 我注意到我必须从 findall 的结果中重新排序组。例如：

data = """34% passed 23% failed 46% deferred"""
result = key:value for value, key in re.findall('(\w+)%\s(\w+)', data)
print(result)
>>> 'failed': '23', 'passed': '34', 'deferred': '46'

这里findall的结果是：

>>> re.findall('(\w+)%\s(\w+)', data)
>>> [('34', 'passed'), ('23', 'failed'), ('46', 'deferred')]

有没有办法更改/指定使 re.findall 返回的组的顺序：

[('passed', '34'), ('failed', '23'), ('deferred', '46')]

澄清一下，问题是：

是否可以指定顺序或重新排序组以返回 re.findall 函数？

我使用上面的示例创建了一个字典，以提供您想要更改顺序的原因/用例（将键作为值，将值作为键）

进一步说明：

为了处理更大更复杂的正则表达式中的组，您可以命名组，但只有在执行 re.search pr re.match 时才能访问这些名称。根据我的阅读，findall 对元组中返回的组有一个固定的索引，问题是任何人都知道如何修改这些索引。这将有助于更轻松、更直观地处理组。

【问题讨论】：

不可能改变findall返回的组的顺序，但正如我在第二次展示的那样，事后重新排序很容易答案：***.com/a/25629693/20789

这就是我的假设，但找不到说明这一点的文档。因此我的问题在这里。

【参考方案1】：

正如您在第二个示例中所确定的，re.findall 按原始顺序返回组。

问题在于标准 Python dict 类型不会以任何方式保留键的顺序。这是 Python 2.x 的手册，其中明确说明，但在 Python 3.x 中仍然如此：https://docs.python.org/2/library/stdtypes.html#dict.items

你应该改用collections.OrderedDict:

from collections import OrderedDict as odict

data = """34% passed 23% failed 46% deferred"""
result = odict((key,value) for value, key in re.findall('(\w+)%\s(\w+)', data))
print(result)
>>> OrderedDict([('passed', '34'), ('failed', '23'), ('deferred', '46')])

请注意，您必须使用成对构造函数形式 (dict((k,v) for k,v in ...) 而不是 dict 理解构造函数 (k:v for k,v in ...)。那是因为后者构造了dicttype 的实例，不能在不丢失键顺序的情况下将其转换为OrderedDict……这当然是您首先要保留的内容。

【讨论】：

我想知道是否可以指定或更改 re.findall 的原始退货顺序。转换为 dict 只是我想重新排序组的一个例子。

您的问题根本没有说明您要重新排序的内容。请对其进行编辑以澄清这一点。

更新： Python dict 确实为较新版本的 Python 保留键顺序（另见 SPEC SO Post)

【参考方案2】：

根据this comment 中对 OP 意图的进一步说明，采取 3。

Ashwin 是正确的，findall 不保留命名的捕获组（例如 (?P<name>regex)）。 finditer 救援！它一一返回各个匹配对象。简单例子：

data = """34% passed 23% failed 46% deferred"""
for m in re.finditer('(?P<percentage>\w+)%\s(?P<word>\w+)', data):
    print( m.group('percentage'), m.group('word') )

【参考方案3】：

Per the OP's comment on my first answer：如果您只是想像这样重新排序 2 元组列表：

[('34', 'passed'), ('23', 'failed'), ('46', 'deferred')]

...看起来像这样，个别元素颠倒：

[('passed', '34'), ('failed', '23'), ('deferred', '46')]

有一个简单的解决方案：使用带有切片语法 sequence[::-1] 的列表推导来反转各个元组的元素顺序：

a = [('34', 'passed'), ('23', 'failed'), ('46', 'deferred')]
b = [x[::-1] for x in a]
print b

【讨论】：

我知道如何重新排序元组，问题是要具体到 re.findall 的顺序。

what 到re-findall 的顺序？我正在向您展示如何获取re.findall 的输出并将其更改为您所说的您想要的顺序。

为了处理更大更复杂的正则表达式中的组，您可以命名组，但只有在执行 re.search pr re.match 时才能访问这些名称。根据我的阅读，findall 对元组中返回的组有一个固定的索引，问题是任何人都知道如何修改这些索引。这将有助于更轻松、更直观地处理组。

啊，命名组是一个单独的问题（也不是你的问题）。 findall 仅返回捕获的组并忽略名称是正确的；但是您可以简单地使用finditer 来返回匹配对象，通过它您将能够访问命名组。

那位先生，正是我要找的。如果您可以添加/修改您的答案，我会接受。谢谢