Question

我试图从Hackerrank的问题解决这个问题。这是一个机器学习问题。最初，我试图读取Corpus文件中用于构建单字节频率的所有单词。根据这个ML问题，word被定义为

Word是一系列字符，仅包含a到z（仅限小写）的字母，可以包含连字符（-）和撇号（'）。 Word应该以小写字母开头和结尾。

我在python中写了一个正则表达式：

pat = "[a-z]+( ['-]+[a-z]+ ){0,}"

我尝试同时使用re.search()和re.findall()。我两个都有问题。

re.findall()的问题：
```
string = "HELLO W-O-R-L-D"
```
re.findall()的输出：
```
[('Hello', ''), ('W', '-D')]
```
我无法得到W-O-R-L-D这个词。使用re.search()时，我能够正确使用
re.search()的问题：
```
string = "123hello456world789"
```
re.search()的输出：
```
'hello'
```
在这种情况下，使用re.findall()时，我可以同时获得'hello'和'world'。

Answer 1

作为I posted on your previous question，您应该使用re.findall() - 但无论如何，您的问题是您的正则表达式是错误的。请参阅以下示例：

>>> import re
>>> regex = re.compile(r'([a-z][a-z-\']+[a-z])')
>>> regex.findall("HELLO W-O-R-L-D") # this has uppercase
[]  # there are no results here, because the string is uppercase
>>> regex.findall("HELLO W-O-R-L-D".lower()) # lets lowercase
['hello', 'w-o-r-l-d'] # now we have results
>>> regex.findall("123hello456world789")
['hello', 'world']

正如您所看到的，您提供的第一个示例失败的原因是因为大写，您可以简单地添加re.IGNORECASE标志，但您提到匹配应该只是小写。

Python re.search（）和re.findall（）

1 个答案: