re.findall 行为怪异

问题描述：

源字符串是：

# Python 3.4.3
s = r'abc123d, hello 3.1415926, this is my book'

这是我的模式：

pattern = r'-?[0-9]+(\\.[0-9]*)?|-?\\.[0-9]+'

但是，re.search可以给我正确的结果：

m = re.search(pattern, s)
print(m)  # output: <_sre.SRE_Match object; span=(3, 6), match='123'>

re.findall只需转储一个空列表：

L = re.findall(pattern, s)
print(L)  # output: ['', '', '']

为什么不能re.findall给我预期的清单：

['123', '3.1415926']

解决方案 1：

这里有两点需要注意：

• re.findall如果正则表达式模式包含捕获组，则返回捕获的文本

• r'\.'模式中的部分匹配两个连续的字符，以及``除换行符之外的任何字符。

参见findall参考：

如果模式中存在一个或多个组，则返回一个组列表；如果模式有多个组，则这将是一个元组列表。除非空匹配项触及另一个匹配项的开头，否则结果中将包含空匹配项。

请注意，为了使re.findall返回值仅匹配，您通常可以

• 删除多余的捕获组（例如(a(b)c)-> abc）

• 将所有捕获组转换为非捕获组（即替换(为(?:），除非有指向模式中的组值的反向引用（然后参见下文）

• 改用re.finditer（[x.group() for x in re.finditer(pattern, s)]）

在您的情况下，findall返回所有捕获的空文本，因为您在字符串文字\中r''尝试匹配文字``。

为了匹配数字，您需要使用

-?d*.?d+

正则表达式匹配：

• -?- 可选减号

• d*- 可选数字

• .?- 可选小数分隔符

• d+- 1 位或多位数字。

查看演示

以下是IDEONE 演示：

import re
s = r'abc123d, hello 3.1415926, this is my book'
pattern = r'-?d*.?d+'
L = re.findall(pattern, s)
print(L)

解决方案 2：

s = r'abc123d, hello 3.1415926, this is my book'
print re.findall(r'-?[0-9]+(?:.[0-9]*)?|-?.[0-9]+',s)

当您使用原始模式时，您不需要两次退出。

输出：['123', '3.1415926']

返回类型也是字符串列表。如果希望返回整数和浮点数类型，请使用map

import re,ast
s = r'abc123d, hello 3.1415926, this is my book'
print map(ast.literal_eval,re.findall(r'-?[0-9]+(?:.[0-9]*)?|-?.[0-9]+',s))

输出：[123, 3.1415926]

解决方案 3：

只是为了解释为什么您认为它search返回了您想要的结果但findall实际上却没有？

搜索返回一个SRE_Match包含一些信息的对象，例如：

• string：属性包含传递给搜索函数的字符串。

• re ：REGEX搜索功能中使用的对象。

• groups()：由 内部的捕获组捕获的字符串列表REGEX。

• group(index)：使用 按组检索捕获的字符串index > 0。

• group(0)：返回匹配的字符串REGEX。

search当它找到第一个机器构建SRE_Match对象并返回它时停止，检查以下代码：

import re

s = r'abc123d'
pattern = r'-?[0-9]+(.[0-9]*)?|-?.[0-9]+'
m = re.search(pattern, s)
print(m.string)  # 'abc123d'
print(m.group(0))  # REGEX matched 123
print(m.groups())  # there is only one group in REGEX (.[0-9]*) will  empy string tgis why it return (None,) 

s = ', hello 3.1415926, this is my book'
m2 = re.search(pattern, s)  # ', hello 3.1415926, this is my book'
print(m2.string)    # abc123d
print(m2.group(0))  # REGEX matched 3.1415926
print(m2.groups())  # the captured group has captured this part '.1415926'

findall行为有所不同，因为当它找到第一个 mach 时它不会停止，而是一直提取直到文本末尾，但如果REGEX 包含至少一个捕获组，则findall不会返回匹配的字符串，而是返回捕获组捕获的字符串：

import re
s = r'abc123d , hello 3.1415926, this is my book'
pattern = r'-?[0-9]+(.[0-9]*)?|-?.[0-9]+'
m = re.findall(pattern, s)
print(m)  # ['', '.1415926']

第一个element是在发现第一个马赫时返回的，其中'123'捕获组仅被捕获''，但第二个element是在第二次比赛中捕获的，'3.1415926'捕获组匹配了这部分'.1415926'。

如果您想要返回匹配的字符串，您应该将您findall所有的捕获组都设为非捕获组：()`REGEX`(?:)

import re
s = r'abc123d , hello 3.1415926, this is my book'
pattern = r'-?[0-9]+(?:.[0-9]*)?|-?.[0-9]+'
m = re.findall(pattern, s)
print(m)  # ['123', '3.1415926']