Python中的正则表达式：（\\ w）+的​​search（）vs findall（）

Question

我创建了一个正则表达式为：

agentRegex = re.compile(r'Agent (\w)+')

然后，我执行search()操作为：

agentRegex.search('Agent Alice told Agent Carol that Agent Eve knew Agent Bob was a double agent.').group()

我获得了'Agent Alice'作为输出。

但是当我执行findall()操作时：

agentRegex.findall('Agent Alice told Agent Carol that Agent Eve knew Agent Bob was a double agent.') 

输出为['e', 'l', 'e', 'b'] 。

输出不应该是['Alice Agent', 'Agent Carol', 'Agent Eve', 'Agent Bob']吗？

Answer 1

默认情况下， re.findall()输出已捕获组的列表，在您的情况下(\\w+) 。

摆脱捕获的组：

Agent \w+

例：

>>> agentRegex = re.compile(r'Agent \w+')

>>> agentRegex.findall('Agent Alice told Agent Carol that Agent Eve knew Agent Bob was a double agent.') 
['Agent Alice', 'Agent Carol', 'Agent Eve', 'Agent Bob']

Answer 2

您的正则表达式：

'Agent (\w)+'

它会继续匹配并捕获'Agent '之后'Agent '单个\\w字符，并会在下次匹配时继续覆盖匹配的组。 那就是您如何获得['e', 'l', 'e', 'b']后缀，这些字符是['Alice', 'Carol', 'Eve', 'Bob']

您在.search().group()得到正确答案，因为group()默认为group(0) ，其中包含所有已匹配的内容，但是如果您执行.search().group(1) ，则将获得['e'] 。

您正在寻找的是捕获代理以及下一个单词。 因此，您可以像heemayl和Dietrich建议的那样尝试。

Answer 3

您也可以这样做：

import re
agentRegex = re.compile(r'Agent\s+[^\s]+')
print agentRegex.findall('Agent Alice told Agent Carol that Agent Eve knew Agent Bob was a double agent.') 
# ['Agent Alice', 'Agent Carol', 'Agent Eve', 'Agent Bob']