當我的模式只包含一個組時，為什么 re.findall 返回一個元組列表？

Question

假設我有一個包含字母和兩個分隔符1和2的字符串s 。 我想按以下方式拆分字符串：

• 如果子串t介於1和2之間，則返回t
• 否則，返回每個字符

因此，如果s = 'ab1cd2efg1hij2k' ，則預期輸出為['a', 'b', 'cd', 'e', 'f', 'g', 'hij', 'k'] 。

我嘗試使用正則表達式：

import re
s = 'ab1cd2efg1hij2k'
re.findall( r'(1([a-z]+)2|[a-z])', s )

[('a', ''),
 ('b', ''),
 ('1cd2', 'cd'),
 ('e', ''),
 ('f', ''),
 ('g', ''),
 ('1hij2', 'hij'),
 ('k', '')]

從那里我可以做[ x[x[-1]!=''] for x in re.findall( r'(1([az]+)2|[az])', s ) ]得到我的答案，但我仍然不明白輸出。 文檔說，如果模式有多個組， findall返回一個元組列表。 但是，我的模式只包含一組。 歡迎任何解釋。

Answer 1

你的模式有兩個組，更大的組：

(1([a-z]+)2|[a-z])

和第二個較小的組，它是您的第一組的子集：

([a-z]+)

這是一個可以為您提供預期結果的解決方案，盡管請注意，它真的很丑陋，並且可能有更好的方法。 我就是想不通：

import re
s = 'ab1cd2efg1hij2k'
a = re.findall( r'((?:1)([a-z]+)(?:2)|([a-z]))', s )
a = [tuple(j for j in i if j)[-1] for i in a]

>>> print a
['a', 'b', 'cd', 'e', 'f', 'g', 'hij', 'k']

Answer 2

您的正則表達式有 2 組，只需查看您使用的括號數量:)。 一組是([az]+) ，另一組是(1([az]+)2|[az]) 。 關鍵是您可以在其他組中擁有組。 因此，如果可能，您應該構建一個只有一組的正則表達式，這樣您就不必對結果進行后處理。

只有一組的正則表達式示例如下：

>>> import re
>>> s = 'ab1cd2efg1hij2k'
>>> re.findall('((?<=1)[a-z]+(?=2)|[a-z])', s)
['a', 'b', 'cd', 'e', 'f', 'g', 'hij', 'k']

Answer 3

我參加聚會晚了 5 年，但我想我可能已經找到了一個優雅的解決方案來解決 re.findall() 帶有多個捕獲組的丑陋的元組輸出。

一般來說，如果你最終得到一個看起來像這樣的輸出：

[('pattern_1', '', ''), ('', 'pattern_2', ''), ('pattern_1', '', ''), ('', '', 'pattern_3')]

然后你可以用這個小技巧把它變成一個平面列表：

["".join(x) for x in re.findall(all_patterns, iterable)]

預期的輸出將是這樣的：

['pattern_1', 'pattern_2', 'pattern_1', 'pattern_3']

它在 Python 3.7 上進行了測試。 希望能幫助到你！

Answer 4

查看類似問題的答案： https ://bugs.python.org/issue6663 如果您使用的是 findall，請去掉括號：

import re
s = 'ab1cd2efg1hij2k'
re.findall( r'(?<=1)[a-z]+(?=2)|[a-z]', s )

Answer 5

如果您想在不拆分為匹配組的情況下進行 'or' 匹配，只需在 'or' 匹配的開頭添加一個 '?:'。

沒有 '？：'

re.findall('(test (word1|word2))', 'test word1')

Output:
[('test word1', 'word1')]

和 '？：'

re.findall('(test (?:word1|word2))', 'test word1')

Output:
['test word1']

進一步說明： https : //www.ocpsoft.org/tutorials/regular-expressions/or-in-regex/

Answer 6

只需要做一個簡單的更改：將組更改為非捕獲組

代碼：

import re
s = 'ab1cd2efg1hij2k'
re.findall( r'(1(?:[a-z]+)2|[a-z])', s )

輸出：

['a', 'b', '1cd2', 'e', 'f', 'g', '1hij2', 'k']