Question

请考虑以下事项：

>>> import re
>>> a = "first:second"
>>> re.findall("[^:]*", a)
['first', '', 'second', '']
>>> re.sub("[^:]*", r"(\g<0>)", a)
'(first):(second)'

re.sub()的行为最初更有意义，但我也能理解re.findall()的行为。毕竟，您可以匹配first和:之间的空字符串，该字符串仅由非冒号字符组成（恰好为零），但为什么re.sub()的行为方式不同？？

最后一个命令的结果不应该是(first)():(second)()吗？

Answer 1

你使用允许空匹配的*：

'first'   -> matched
':'       -> not in the character class but, as the pattern can be empty due 
             to the *, an empty string is matched -->''
'second'  -> matched
'$'       -> can contain an empty string before,
             an empty string is matched -->''

引用documentation for re.findall()：

结果中包含空匹配，除非它们触及另一场比赛的开头。

documentation for re.sub()：

中解释了您未在子结果中看到空匹配的原因

仅当与前一个匹配不相邻时，才会替换模式的空匹配。

试试这个：

re.sub('(?:Choucroute garnie)*', '#', 'ornithorynque')

现在这个：

print re.sub('(?:nithorynque)*', '#', 'ornithorynque')

没有连续的＃

Answer 2

由于某种原因，处理空匹配的算法是不同的。

在findall的情况下，它的作用类似于（优化版本）：对于每个可能的起始索引0＆lt; = i＆lt; = len（a），如果字符串在i匹配，则追加比赛;并且通过使用此规则避免重叠结果：如果在i处存在长度为m的匹配，则不要在i + m之前查找下一个匹配项。您的示例返回['first', '', 'second', '']的原因是，在first和second之后立即找到空匹配，但不会在冒号后找到 - 因为从该位置开始查找匹配将返回完整字符串second。

在sub的情况下，正如您所注意到的那样，区别在于它明确忽略了在另一个匹配后立即发生的长度为0的匹配。虽然我知道为什么这可能有助于避免sub的意外行为，但我不确定为什么存在这种差异（例如，为什么findall不会使用相同的规则。）

Answer 3

import re
a = "first:second:three"
print re.findall("[^:]*", a)

返回匹配pattern的所有子字符串，这里给出

>>> 
['first', '', 'second', '', 'three', '']

sub()用于替换，并将替换最左边的非重叠模式。前

import re
a = "first:second:three"
print re.sub("[^:]*", r"smile", a)

给出

>>> 
smile:smile:smile

您可以使用第4个arg命令要替换的出现次数，count：

为什么re.findall（）找到比re.sub（）更多的匹配？

3 个答案: