Question

我有一个包含一堆字符串的文件，例如“size = XXX;”。我是第一次尝试python的re模块，并且由于以下行为而有点神秘：如果我在正则表达式中使用'或'管道，我只会看到匹配的位返回。 E.g：

>>> 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']

比赛的“size =”部分消失了。（但肯定会在搜索中使用，否则会有更多结果）。我做错了什么？

Answer 1

你遇到的问题是，如果re.findall尝试匹配的正则表达式捕获组（即括号中包含的正则表达式部分），那么它是返回的组，而不是匹配的组字符串。

解决此问题的一种方法是使用非捕获组（前缀为?:）。

>>> 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，则返回整个匹配的字符串。

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

Answer 2

当正则表达式包含括号时，它们将其内容捕获到组中，将findall()的行为更改为仅返回这些组。以下是the docs的相关部分：

(...)


匹配括号内的正则表达式，     并指示组的开始和结束;一组的内容     可以在执行匹配后检索，并且可以匹配     稍后在具有\number特殊序列的字符串中进行描述     下面。要匹配文字'('或')'，请使用$或$，或将其括起来     在角色类中：[(] [)]。

要避免此行为，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。匹配括号内的正则表达式，但在执行匹配后或在模式中稍后引用时，无法检索组匹配的子字符串。

Answer 3

'size=(50|51);'表示您正在寻找size=50或size=51但只匹配50或51部分（请注意括号），因此它不会返回sign=。

如果您想要返回sign=，则可以执行以下操作：

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

Answer 4

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

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

Answer 5

在某些情况下，非捕获组不合适，例如使用正则表达式检测重复的单词（例如来自python docs）

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

在这种情况下获得完整匹配可以使用

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

请注意，\1已更改为\2。

Answer 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（尝试在 regex101.com 上）：

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。

匹配 1 全场 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).$ 第一场全场 2-29 我喜欢狗，但不喜欢狮子。第 2 场比赛全场 30-58 我喜欢狗，但不喜欢老虎。 ...

re.findall没有返回完全匹配？

6 个答案: