这是Python正则表达式中的错误吗？

Question

我认为我对RegEx的态度非常好，我可以阅读最多的任何一个，但这个简单的（在Python中）令我感到困惑。 www.regexpal.com给出了与iPython不同的结果。

data = 'four year entrepreneurial program. Students develop and run a business, gain much needed ...'

m = re.compile('entrepreneur|business\s(plan|model)')

m.findall(data)

给出['']

怎么可能是对的？如果我用parens包装整个东西，它会更好但仍然会返回一个空字符串作为匹配：

m = re.compile('(entrepreneur|business\s(plan|model))')

m.findall(data)

给出[('entrepreneur', '')]

正如我所说，第一个可以在www.regexpal.com上运行。我也用Python（不是iPython）测试它，它也失败了。

Answer 1

findall收集群组＆＃39;值。它不会返回整个匹配的子字符串。你的模式

entrepreneur|business\s(plan|model)

遍历数据字符串，直到找到匹配项。一旦找到匹配（此处为entrepreneurial program...），它就会停在那里并捕获第一组的值（为空）。然后它进一步运行，但没有找到任何匹配。所以最终的结果是一个带有一个空字符串的列表。

要观察类似于regexpal的行为，请将整个表达式括起来并使其他组可选：

>>> re.findall(r'(entrepreneur|business\s(?:plan|model))', data)
['entrepreneur']

Answer 2

问题是括号。他们创建了一个捕获组，其示例字符串是不匹配的（模式的未组合entrepreneur部分匹配）。如果模式中有任何组，re.findall将返回捕获组结果的元组，这就是为什么你得到一个空字符串。在代码的第二个版本中，您有两个组，第一个版本涵盖整个模式，而第二个版本仅覆盖plan|model部分（不匹配）。

如果您使用非捕获组（(?:X)）进行plan|model替换，您可能会得到您期望的结果（文字"entrepreneur"），如{{1}如果没有捕获组，则返回整个匹配的文本。

尝试：re.findall

Answer 3

这就是捕获组如何使用findall。

  

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。字符串从左向右扫描，匹配为   按顺序返回。如果一个或多个组存在于   模式，返回组列表;这将是一个元组列表，如果   模式有多个组。空匹配包含在   结果，除非他们触及另一场比赛的开始。

您在交替的右侧有一个捕获组，但是替换的左手侧与您的字符串匹配。

entrepreneur|business\s(plan|model)

Debuggex Demo

因此，该组是空的，因为左侧匹配，这就是findall给你的。

要修复，请使您的群组无法捕捉：

entrepreneur|business\s(?:plan|model)

现在，没有组findall返回主表达式匹配的内容。