Question

这是模式

pattern_strings = ['\\xc2d', '\\xa0', '\\xe7', '\\xc3\\ufffdd', '\\xc2\\xa0', '\\xc3\\xa7', '\\xa0\\xa0', '\\xc2', '\\xe9']
join_pattern =  '[' + '|'.join(pattern_strings) + ']'
pattern = re.compile(join_pattern)

这是函数

def find_pattern(path):
    with open(path, 'r') as f:
        for line in f:
            # print line
            found = pattern.search(line)
            if found:
                print dir(found)
                logging.info('found in line - ' + line)
                logging.info('found - ' + str(found.group(0)))

这是输入

\xc2d 
d\xa0 
\xe7 
\xc3\ufffdd 
\xc3\ufffdd 
\xc2\xa0 
\xc3\xa7 
\xa0\xa0 
'619d813\xa03697'

当我运行它时，我输出为

INFO:root:found in line - \xc2d 

INFO:root:found - d
INFO:root:found in line - d\xa0 

INFO:root:found - d
INFO:root:found in line - \xc3\ufffdd 

INFO:root:found - u
INFO:root:found in line - \xc3\ufffdd 

INFO:root:found - u
INFO:root:found in line - '619d813\xa03697' 

INFO:root:found - d

问题 - 为什么它不像\xc2d那样告诉整个模式？我在这里做错了吗？ - 为了使模式匹配\xc2d而不是d

，我需要做些什么？

更新

追溯到join_pattern = '(' + '|'.join(pattern_strings) + ')'与任何内容都不匹配

更新1

pattern_strings = ['\\xc2d', '\\xa0', '\\xe7', '\\xc3\\ufffdd', '\\xc2\\xa0', '\\xc3\\xa7', '\\xa0\\xa0', '\\xc2', '\\xe9']

join_pattern =   '|'.join(pattern_strings)
pattern = re.compile(join_pattern)

这与输入中的任何内容都不匹配：（

Answer 1

re中的方括号表示集

join_pattern = '[' + '|'.join(pattern_strings) + ']'会使正则表达式匹配“{ \ x c 2 d a 0 e 7 3 u f 9 | }”中的任意一组字符。这可能不是您想要的行为。对于您想要使用的表达式：

join_pattern = '|'.join(pattern_strings)

除非您尝试指定捕获/非捕获组，否则不需要括号。

Answer 2

问题是你用正方括号[]包围了正则表达式。这些表示一组字符;也就是说，[abc|def]将匹配a，b，c，|，d，e或{ {1}}。使用正则表达式，不需要括号。如果这是较大表达式的一部分，则可以使用圆括号f来表示一个组，该组将正则表达式的一部分组合在一起。（它也是一个捕获组，因此可以使用()访问其内容。）

python正则表达式：不给它匹配的组

2 个答案: