Python findall不返回期望值

Question

我有一些包含两个引号之间的信息的字符串，例如：

cc "1/11/2A" "1/20+21/1 1" "XX" 0

我正在使用re.findall('\\"*\\"', line)来匹配引号之间的部分，但由于某些原因无法正常工作。 我尝试了许多其他事情，但是我得到的只是一个空列表，里面什么也没有。 我究竟做错了什么 ？

Answer 1

您要匹配0个或多个引号，后接一个引号。 改用否定字符类：

re.findall(r'"[^"]*"', line)

您可能需要围绕否定字符类放置一个捕获组：

re.findall(r'"([^"]*)"', line)

现在.findall()返回引号内的所有内容，不包括引号本身：

>>> import re
>>> re.findall(r'"([^"]*)"', 'cc "1/11/2A" "1/20+21/1 1" "XX" 0')
['1/11/2A', '1/20+21/1 1', 'XX']

[^...]否定的字符类表示法是：匹配在此命名的字符集中未包括的任何字符。 因此[^"]匹配非引号的任何字符，从而将匹配的字符整洁地限制在引号内的所有字符。

Answer 2

它应该是r'"[^"]*"' 。您的模式连续匹配一个或多个"字符。

In [4]: re.findall(r'"[^"]*"', line)
Out[4]: ['"1/11/2A"', '"1/20+21/1 1"', '"XX"']

Answer 3

您似乎希望*匹配“任何内容”，这与文件名通配符中的方式相同。

但这不是正则表达式的含义。 它修改前面的表达式，以匹配该表达式的零个或多个副本。

要获取文件名样式的通配符，请使用.* 。

但是，这实际上不起作用，因为. 匹配任何内容，包括" 。”，它将捕获所有内容，直到最后一个"字符，只保留其余的表达式，这意味着findall将找到一个大字符串而不是三个小字符串。

您可以通过使用.*?将重复设为非贪婪来解决此问题.*? 。 这将匹配一切到第一个 " 。

所以：

>>> re.findall('\".*?\"', line)
['"1/11/2A"', '"1/20+21/1 1"', '"XX"']

我认为Martijn Pieters的答案在概念上可能更清晰； 我之所以提供此服务，是因为我认为这可能是您尝试解决问题的方式，并且我想向您展示如何实现这一目标。

附带说明一下，如果使用原始字符串，则正则表达式代码更容易阅读，因此您可以摆脱多余的反斜杠转义符。 在这种情况下，反斜杠已经没有必要了-您无需在单引号字符串或正则表达式中转义双引号。 但是与其试图记住Python解析器需要转义哪些内容和不需要转义什么，以便可以进入正则表达式解析器，不如使用原始字符串会更容易。 所以：

>>> re.findall(r'".*?"', line)
['"1/11/2A"', '"1/20+21/1 1"', '"XX"']