可以re.findall（）只返回parens中正则表达式的一部分吗？

Question

循环浏览一些数据，我想捕获显示为页面ID的数字字符串（每行多于一行。）但是，我只想将数字字符串作为特定URL的一部分进行匹配，但我不想＆＃39 ; T想要记录URL，只记录数字。

URL是相对的，具有可变长度的数字字符串，格式为

/view/123456.htm

此处要返回的数据为＆＃39; 123456＆＃39;

我目前正在使用re.findall来识别正确的URL，然后使用re.sub来提取数字字符串。

views = re.findall(r"/view/\d*?.htm", line)
for view in views:
    view = re.sub(r"/view/(\d+).htm", r"\1", view)
    pagelist.append(view)

有没有办法做类似

的事情

views = re.findall(r"/view/(\d*?).htm", r"\1", line)   #I know this doesn't work

原始findall（）只返回parens中匹配的部分？

Answer 1

  

re.findall（）只能返回parens中的正则表达式部分吗？

不仅可以， ：

>>> import re
>>> re.findall(r"/view/(\d*?).htm", "/view/123.htm /view/456.htm")
['123', '456']

你没试过吗？ The documentation也描述了它。

Answer 2

你可以使用a lookbehind and a lookahead assertion使findall只返回数字。例如：

>>> re.findall(r"(?<=/view/)\d*?(?=\.htm)", "/view/123.htm /view/456.htm")
['123', '456']

这些断言可用于定义匹配前后的内容 - 不包括实际匹配。

更新：请检查Stefan Pochmann's answer，如果您只使用一个捕获组，findall()将完全按照您的要求运行。