关于Python正则表达式 findall函数问题详解


            在写正则表达式的时候总会遇到不少的问题， 特别是在表达式有多个元组的时候。下面看下re模块下的findall()函数和多个表达式元组相遇的时候会出现什么样的坑。

代码如下：





import re

str="a b c d"

regex0=re.compile("((\w+)\s+\w+)")

print(regex0.findall(str))

regex1=re.compile("(\w+)\s+\w+")

print(regex1.findall(str))

regex2=re.compile("\w+\s+\w+")

print(regex2.findall(str))



结果：





[('a b', 'a'), ('c d', 'c')]

['a', 'c']

['a b', 'c d']



可能结果有点意外，下面解释一下

第一个正则表达式中是带有2个括号的，我们可以看到其输出是一个list 中包含2个 tuple

第二个正则表达式中带有1个括号，其输出的内容就是括号匹配到的内容，而不是整个表达式所匹配到的结果。

第三个正则表达式中不带有括号,其输出的内容就是整个表达式所匹配到的内容。

结论：findall()返回的是括号所匹配到的结果（如regex1），多个括号就会返回多个括号分别匹配到的结果（如regex），如果没有括号就返回就返回整条语句所匹配到的结果(如regex2)。所以在提取数据的时候就需要注意这个坑。

实际上是由其并不是python特有的，这是 正则 所特有的 ， 任何一门高级语言使用正则都满足这个特点：有括号时只能匹配到括号中的内容，没有括号【相当于在最外层增加了一个括号】。在正则里面 “（）” 代表的是分组的意思，一个括号代表一个分组，你只能匹配到"()"中的内容