Question

我有一个像'234 3452789 23 901234 ...'这样的字符串。我想提取所有数字。我写了以下正则表达式：

s = '234 3452789 23 901234'
expr = r'^\s*(\d+\s*)+$'
e = re.match(expr, s)
print e.groups()

我希望看到包含所有数字的元组，但实际上这段代码仅打印最新的数字：

('901234',)

问题：我的代码有什么问题，以及如何修复它？

P.S。以下代码效果很好，但我想用任意数量的子字符串解析字符串

expr = r'^\s*(\d+\s*)(\d+\s*)(\d+\s*)(\d+\s*)$'
e = re.match(expr, s)
print e.groups()

Answer 1

TL; DR：使用findall()：

>>> s = '234 3452789 23 901234'
>>> re.findall('\d+', s)
['234', '3452789', '23', '901234']

我希望看到包含所有数字的元组，但实际上这段代码仅打印最新的数字：
('901234',)
问题：我的代码有什么问题，以及如何修复它？

这就是match()的工作原理，你无法做任何事情。包含一个组（如您的）的正则表达式只返回一个组。在组右侧指定+或*是方式，仅获取最后一场比赛。它以设计的方式工作。

如果您真的想与match()一起使用，regex第三方模块会提供您想要的captures和capturesdict方法。但它不是标准库的一部分。

Answer 2

我简单的两分钱，回答你的实际问题......为什么要使用正则表达式，为什么不使用

[int(grp) for grp in s.split() if grp.isdigit()]

这会根据空格分隔符将字符串拆分为组，遍历已分隔的组列表，检查它是否为数字，如果是，则将该组推送到列表中。检查是为了确保我们只推回数字。

它（a）更快

python -m timeit -s "import re" "[int(grp) for grp in re.findall('\d+','234 3452789 23 901234')]"
>> 100000 loops, best of 3: 4.14 usec per loop

python -m timeit "[int(grp) for grp in '234 3452789 23 901234'.split() if grp.isdigit()]"
>> 100000 loops, best of 3: 2.99 usec per loop

和（b）基于我从多个讨论中读到的内容......可预测且易于理解。我曾尝试解释re.findall，re.search，re.split，re.finditer之间的细微差别。花了我一些时间。如果可以，我的建议尽量避免使用re。

Answer 3

您的第一个代码出了什么问题？

r'^\s*(\d+\s*)+$'正则表达式应匹配起始处的所有数字或空格字符，并且仅捕获最后一位数字符和后面的零个或多个空格，因为您重复捕获组一次或多次。

例如，'(1+)'和(1)+正在进行相同的匹配，但两者都会捕获不同的1组。第一个正则表达式捕获所有匹配的1，其中第二个正则表达式仅捕获每个匹配中存在的最后1个。

matchobj.groups()将返回由每个组捕获的所有字符的元组。

Answer 4

它匹配^...$引起的整个字符串，仅捕获(...)的最后一个匹配项。我认为它不是一个足够强大的用例，尽管有人提交了issue关于允许多个匹配在列表中累积的内容。

groups()的索引是基于正则表达式中捕获组的布局，而不是它所使用的字符串，因此无论如何都不会为每个不同的事件获取一个组。

Answer 5

结尾的$会让它选择最后一部分

Python re.groups不显示所有子组

5 个答案: