为什么 re.findall() 给我的结果与 Python 中的 re.finditer() 不同？

Question

我写了这个正则表达式：

p = re.compile(r'''
\[\[            #the first [[
[^:]*?          #no :s are allowed
.*?             #a bunch of chars
(
\|              #either go until a |
|\]\]           #or the last ]]
)
                ''', re.VERBOSE)

我想使用re.findall来获取某个字符串的所有匹配部分。 我写了一些测试代码，但它给了我奇怪的结果。

这段代码

g = p.finditer('   [[Imae|Lol]]     [[sdfef]]')
print g
for elem in g:
    print elem.span()
    print elem.group()

给我这个 output：

(3, 10)
[[Imae|
(20, 29)
[[sdfef]] 

完全有道理吗？ 但是当我这样做时：

h = p.findall('   [[Imae|Lol]]     [[sdfef]]')
for elem in h:
    print elem

output 是这样的：

|
]]  

为什么 findall() 打印出的结果与 finditer 不一样？

Answer 1

Findall 返回匹配组的列表。 正则表达式中的括号定义了 findall 认为您想要的组，但您不想要组。 (?:...)是一个非捕获括号。 将您的正则表达式更改为：

'''
\[\[            #the first [[
[^:]*?          #no :s are allowed
.*?             #a bunch of chars
(?:             #non-capturing group
\|              #either go until a |
|\]\]           #or the last ]]
)
                '''

Answer 2

当你给re.findall()一个带有组（括号表达式）的正则表达式时，它会返回匹配的组。 在这里，您只有一个组，它是 | 或 ]] 结尾。 另一方面，在您使用 re.finditer() 的代码中，您没有特别要求任何组，因此它为您提供了整个字符串。

你可以让 re.findall() 做你想做的事，方法是在整个正则表达式周围加上括号 - 或者只是在你实际尝试提取的部分周围。 假设您正在尝试解析 wiki 链接，那将是第 4 行中的“一堆字符”。例如，

p = re.compile(r'''
\[\[            #the first [[
[^:]*?          #no :s are allowed
(.*?)           #a bunch of chars
(
\|              #either go until a |
|\]\]           #or the last ]]
)
                ''', re.VERBOSE)

p.findall('   [[Imae|Lol]]     [[sdfef]]')

返回：

[('Imae', '|'), ('sdfef', ']]')]

Answer 3

我认为findall()文档的关键是：

如果模式中存在一个或多个组，则返回组列表； 如果模式有多个组，这将是一个元组列表。

您的正则表达式在 pipe 或关闭 ]] 周围有一个组：

(
\|              #either go until a |
|\]\]           #or the last ]]
)

finditer()似乎没有任何这样的子句。

Answer 4

他们不返回相同的东西。 文档中的一些片段：

findall返回一个字符串列表。 如果模式中存在一个或多个组，则返回组列表； 如果模式有多个组，这将是一个元组列表。

finditer返回一个产生 MatchObject 实例的迭代器。

Answer 5

从 python 文档：

返回字符串中模式的所有非重叠匹配，作为字符串列表。 从左到右扫描字符串，并按找到的顺序返回匹配项。 如果模式中存在一个或多个组，则返回组列表； 如果模式有多个组，这将是一个元组列表。 空匹配包含在结果中，除非它们触及另一个匹配的开始。

请注意，它表示如果存在组，则将返回组匹配列表。 您在正则表达式末尾拥有的捕获组是匹配的，因此仅返回每个匹配中捕获的组部分。 当您使用 finditer 时，此信息只是 MatchObject object 中的另一个字段。