为什么re.findall（＆＃39;（ab）+＆＃39;，＆＃39; abab＆＃39;）返回[＆＃39; ab＆＃39;] =同时re.findall（＆＃39;（ab） ）+？＆＃39;，＆＃39; abab＆＃39;）返回[＆＃39; ab＆＃39;，＆＃39; ab＆＃39;]？

Question

我的python版本是2.7.6

我知道+?是+的非贪婪版本 以便re.findall('(ab)+?', 'abab')匹配尽可能少ab 结果['ab', 'ab']因此有意义。

但是当谈到贪婪的版本匹配re.findall('(ab)+', 'abab')时，它让我很困惑 我认为贪婪的版本应该尽可能多地匹配ab 因此我得到['abab']作为结果 但我改为['ab']了！

在re.findall（）的帮助信息中，它说：

Return a list of all non-overlapping matches in the string.
If one or more groups are present in the pattern, return a
list of groups; this will be a list of tuples if the pattern
has more than one group.

Empty matches are included in the result.

我在这里得到了两个组，整个RE的默认group0和我指定的(ab)为group1。

所以我做了以下调查：

In [21]: ng = re.search('(ab)+?', 'abab')

In [22]: g = re.search('(ab)+', 'abab')

In [23]: ng.group(0)
Out[23]: 'ab'

In [24]: ng.group(1)
Out[24]: 'ab'

In [25]: g.group(0)
Out[25]: 'abab'

In [26]: g.group(1)
Out[26]: 'ab'

很明显，re模块将'abab'与group0匹配，'ab'与group1匹配，以进行贪婪搜索。
但是，在进行['ab']操作时，为什么我会['abab', 'ab']而不是findall()？ 因为'abab'包含ab所以它们是重叠的，findall()只返回这种情况下的最后一场比赛？

有了这个问题，我做了以下测试：

In [30]: g = re.findall('[A-z](ab)+', 'ababdab')

In [31]: g
Out[31]: ['ab', 'ab']

In [32]: dg = re.search('[A-z](ab)+', 'ababdab')

In [33]: dg.groups()
Out[33]: ('ab',)

In [34]: dg.group()
Out[34]: 'bab'

现在我完全忘记了。
findall如何在这里工作？
为什么???

Answer 1

这里有一个微妙之处 - 在杰瑞的回答中提到，但没有说清楚。

您希望re.findall('(ab)+', 'abab')告诉您两者隐含的＆＃34;组0＆＃34;对于整个正则表达式匹配的内容，和＆＃34; group 1＆＃34;括号。 这不是它的工作方式。如果有捕获括号，findall列表仅包含捕获括号的组。观察：

>>> re.findall('(?:ab)+', 'abab') # no capture, reports group 0
['abab']
>>> re.findall('(ab)+', 'abab')   # one capture, reports _only_ group 1
['ab']
>>> re.findall('((ab)+)', 'abab') # two captures, reports both groups 1 and 2
[('abab', 'ab')]                  # (but still not group 0)

文档可以更清楚地了解这一点。它假设你理解＆＃34;组0＆＃34;并不算作一个群体。但这就是RE库已经运作了几十年的过程。

Answer 2

findall正常工作：

1. 如果没有捕获组，它会将字符串中的所有匹配项提供给结果列表。
2. 如果有一个捕获组，它将仅返回捕获组列表。
3. 如果有多个捕获组，将返回一个元组列表，其中1个元组包含一个匹配的捕获组。

接下来，只要组重复，MatchObject就会返回最后捕获的组。它在docs中提到：

  

如果一个组多次匹配，则只能访问最后一个匹配：

>>>
>>> m = re.match(r"(..)+", "a1b2c3")  # Matches 3 times.
>>> m.group(1)                        # Returns only the last match.
'c3'

因此两种现象的组合会给出您正在经历的结果。

Answer 3

看看：

In [13]: re.findall('(ab)', 'ababab')
Out[13]: ['ab', 'ab', 'ab']

In [14]: re.findall('(ab)+?', 'ababab')
Out[14]: ['ab', 'ab', 'ab']

In [15]: re.findall('(ab)+', 'ababab')
Out[15]: ['ab']

In[13]相当于In[14]。两种模式都匹配每个ab组。但是，In[15]将匹配所有ab个连续重复，无论其数量如何。

[A-z](ab)+模式意味着您希望以字母ab开头的所有[A-z]个连续重复。在ababdab中与bab匹配的第一个组是b：它以[Az]中的ab开头，然后有一个以{{{}结尾的d组1}}，它启动下一个匹配组。

In [20]: re.findall('[A-z](ab)+', 'XababXabXab')
Out[20]: ['ab', 'ab', 'ab']