在Python中使用findall和括号

Question

我需要在 +符号之后或在字符串的开头提取所有字母，如下所示：

formula = "X+BC+DAF"

我试过了，我不想在结果中看到+符号。我希望只看到['X', 'B', 'D']。

>>> re.findall("^[A-Z]|[+][A-Z]", formula)
['X', '+B', '+D']

当我用括号分组时，我得到了这个奇怪的结果：

re.findall("^([A-Z])|[+]([A-Z])", formula)
[('X', ''), ('', 'B'), ('', 'D')]

为什么我尝试分组时会创建元组？如何直接编写正则表达式，使其返回['X', 'B', 'D']？

Answer 1

如果正则表达式中有任何捕获组，则re.findall仅返回组捕获的值。如果没有组，则返回整个匹配的字符串。

  

re.findall(pattern, string, flags=0)

     

返回字符串中pattern的所有非重叠匹配，作为字符串列表。从左到右扫描字符串，并按找到的顺序返回匹配项。 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。结果中包含空匹配，除非它们触及另一个匹配的开头。

---

  

如何直接编写正则表达式，使其返回['X'，'B'，'D']？

您可以使用非捕获组代替使用捕获组：

>>> re.findall(r"(?:^|\+)([A-Z])", formula)
['X', 'B', 'D']

或者对于这种特殊情况，您可以尝试使用单词边界的更简单的解决方案：

>>> re.findall(r"\b[A-Z]", formula)
['X', 'B', 'D']

使用不使用正则表达式的str.split的解决方案：

>>> [s[0] for s in formula.split('+')]
['X', 'B', 'D']