re.scanner只搜索字符串的开头

Question

我刚刚学习了re.Scanner，同时寻找解析一系列线路的方法，这些线路在定义上可能有点灵活。 它看起来（不知道它的意图）就像它正是我想要的，但我遇到了问题。

我定义了我的扫描仪：

scanner = re.Scanner([
    (r"([0-9]+(?:\ h|h))",    lambda scanner,token:("HOURS", token)),
    ])

results, remainder = scanner.scan(line)

它应该能够在提供的字符串中找到类似'1h'或'1 h'的内容。 但是，这仅在小时位于字符串的开头时才有效。

传入：

1 h words words words
bla 2 h words words

只有第一个条目被解析为一小时。 由于无法读取Scanner，我认为它能够在提供的字符串中的任何位置找到匹配项，但它看起来就像刚开始时一样。 它似乎也忽略了很多标准的正则表达式控件（如（）用于捕获和（？:)用于非捕获。

我应该在别的地方寻找吗？ 使用一个看起来不像是正式版的Python的类是不是一个坏主意？

Answer 1

Scanner.scan确实从行的开头开始，并要求它的每一位都匹配某种模式。 scan方法在没有任何模式匹配的第一个点停止，并且其余的字符串作为remainder返回。

如果你想跳过任何不匹配的东西，那就放

(r'.', lambda scanner, token: None),

在模式/函数列表的末尾。

---

Scanner类已经在标准库中存在了很多年（ 至少早在2003年 ），它只是没有记录（但是？）。

我认为你不必担心它会很快消失。 即使它消失了， Scanner类的定义也很短， 就在这里 。

---

import re
line = '''\
1 h words words words
bla 2 h words words
'''

scanner = re.Scanner([
    (r"([0-9]+(?:\ h|h))",    lambda scanner, token: ("HOURS", token)),
    (r'.', lambda scanner, token: None),
    ], flags=re.DOTALL)

results, remainder = scanner.scan(line)
print(results)

产量

[('HOURS', '1 h'), ('HOURS', '2 h')]