python-regex搜索和查找

Question

我需要在给定正则表达式的字符串中找到所有匹配项。我一直在用findall()来做这件事，直到我遇到一个案例，它没有做我期望的事情。例如：

regex = re.compile('(\d+,?)+')
s = 'There are 9,000,000 bicycles in Beijing.'

print re.search(regex, s).group(0)
> 9,000,000

print re.findall(regex, s)
> ['000']

在这种情况下，^{}返回我需要的内容（最长的匹配），但是^{}的行为不同，尽管文档暗示应该相同：

findall() matches all occurrences of a pattern, not just the first one as search() does.

• 为什么行为不同？

• 我怎样才能用findall()（或者别的什么东西）达到search()的结果？

Answer 1

好吧，我知道怎么回事了。。。从文档中：

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.

事实证明，您确实有一个组，“（\d+，？）”。。。所以，它返回的是这个组的最后一次出现，即000。

一种解决方案是用一个组包围整个regex，如下所示

regex = re.compile('((\d+,?)+)')

然后，它将返回[（'9000000'，'000'）]，这是一个包含两个匹配组的元组。当然，你只关心第一个。

就我个人而言，我会使用下面的regex

regex = re.compile('((\d+,)*\d+)')

为了避免类似“这是个坏数字9123”这样的匹配

编辑。

下面是一种避免用括号括住表达式或处理元组的方法

s = "..."
regex = re.compile('(\d+,?)+')
it = re.finditer(regex, s)

for match in it:
  print match.group(0)

finditer返回一个迭代器，您可以使用它访问找到的所有匹配项。这些匹配对象与re.search返回的结果相同，因此组（0）返回预期的结果。

Answer 2

@aleph@null的answer正确地解释了导致您问题的原因，但我认为我有更好的解决方案。使用此正则表达式：

regex = re.compile(r'\d+(?:,\d+)*')

为什么会更好：

1. (?:...)是一个非捕获组，因此每次匹配只能得到一个结果。

2. \d+(?:,\d+)*是一个更好的正则表达式，效率更高，返回误报的可能性更小。

3. 如果可能的话，您应该始终对正则表达式使用Python的原始字符串；您不太可能对正则表达式转义序列（例如，\b用于单词边界）被解释为字符串文字转义序列（例如，\b用于退格）感到惊讶。