为什么regex findall返回一个奇怪的\x00

Question

我使用一个正则表达式来构建一个列在第行（字符串）上的所有键值对的列表。 我的密钥对语法尊重/匹配以下正则表达式：

 re.compile("\((.*?),(.*?)\)")

通常，我必须解析如下字符串：

^{pr2}$

如果我用翻译就可以了

str = "(hex,0x123456)"
>>> KeyPair = re.findall(MyRegex, str)
>>> KeyPair
[('hex', '0x123456')]

但当我在linux下使用该代码解析命令行输出时，我得到：

[('hex', '0x123456\x00')]

它来自以下代码

 KeyPayList = []
 # some code ....
 process = subprocess.Popen(self.cmd_line, stdout=subprocess.PIPE, stderr=subprocess.PIPE, shell=False, stdin=subprocess.PIPE)
 # here we parse the output
 for line in process.stdout:
     if line.startswith(lineStartWith):
         KeyPair = re.findall(MyRegex, line.strip())
         KeyPayList.append(KeyPair)

你知道我为什么在我抓到的第二组中出现这种奇怪的现象吗？ 请注意，在调用findall之前，我已经尝试剥离字符串。在

Answer 1

很简单，在您的例子中，process.stdout迭代器生成的字符串包含空字节。在

没有要删除的特定字符列表，strip删除空白字符。这意味着制表符、换行符、垂直制表符、换行符、回车符和空格键。在

其中许多与大多数应用程序无关，但如果要删除空字符，则必须显式声明。例如，如果您想删除制表符、空格和空字符，那么您可以编写

line.strip('\x00\x09\x20')

Answer 2

这是一个空字节，它存在于原始字符串中。您可能没有看到它，因为当您打印字符串时，您的终端将忽略它：

>>> s = "(hex,0x123456\x00)"
>>> print s
(hex,0x123456)

用于容器内容的Python repr()函数（例如您在这里打印的tuple的内容）会显示它：

^{pr2}$

正则表达式只是返回空字节，因为它存在于原始字符串中：

>>> import re
>>> s = "(hex,0x123456\x00)"
>>> yourpattern = re.compile("\((.*?),(.*?)\)")
>>> yourpattern.search(s).groups()
('hex', '0x123456\x00')

如果要删除它，正则表达式引擎也不会返回它：

>>> yourpattern.search(s.replace('\x00', '')).groups()
('hex', '0x123456')