python：re.search不是從字符串開頭開始嗎？

Question

我正在開發Flask API，它將以下正則表達式作為端點：

([0-9]*)((OK)|(BACK)|(X))* 

這意味着我期待一系列數字，並且在這些數字之后連續多次單擊OK，BACK，X關鍵字。

我想拆分此正則表達式，並根據存在的捕獲組執行不同的操作。

我的方法如下：

endp = endp.encode('ASCII', 'ignore')
    match = re.search(r"([0-9]*)", str(endp), re.I)
    if match:
        n = match.groups()
        logging.info('nums: ' + str(n[0]))

    match = re.search(r"((OK)|(BACK)|(X))*", str(endp), re.I)
    if match:
        s1 = match.groups()
        for i in s1:
            logging.info('str: ' + str(i[0]))

使用/ 12OK端點，可以很好地獲取數字，但是由於某些原因，捕獲其余關鍵字是不成功的。 我嘗試將第二個捕獲組減少到僅

match = re.search(r"(OK)*", str(endp), re.I)

我經常在s1中找到以下內容（使用簡化的正則表達式）：

(None,)

最初（與其他關鍵字一起）：

(None, None, None, None)

我想這意味着正則表達式模式與我的endp字符串中的任何內容都不匹配（為什么它沒有4個None？每個關鍵字1個，但是第4個是什么呢？）。 我使用正則表達式驗證器驗證了端點（也針對同一字符串的正則表達式），這對我來說似乎很好。 我知道re.match應該從一開始就獲得匹配，因此我使用了re.search方法，因為文檔指出它應該與字符串中的任何地方匹配。

我在這里想念什么？ 請告知，我是python世界的新手。

Answer 1

如果要匹配至少一個組，請使用+代替* 。

>>> endp = '/12OK'
>>> match = re.search(r"((OK)|(BACK)|(X))+", str(endp), re.I)
>>> if match:
...     s1 = match.groups()
...     for i in s1:
...         print s1
...
('OK', 'OK', None, None)
>>> endp = '/12X'
>>> match = re.search(r"((OK)|(BACK)|(X))+", str(endp), re.I)
>>> match.groups()
('X', None, None, 'X')

請注意，表達式中有4個匹配的組，每對括號一個。 第一個匹配項是外部括號，第二個匹配項是嵌套組中的第一個。 在第二個示例中，您仍然會獲得外括號的第一個匹配項，然后最后一個是嵌套的第三個匹配項。

Answer 2

“（（（OK）|（BACK）|（X））*”）將搜索OK或BACK或X，0次或更多次。 請注意，*表示0或更大，不超過0。上面的表達式的末尾應帶有+，而不是*，因為+表示1或更大。

Answer 3

確實，使用*搜索返回`None有點令人驚訝：

>>> re.search("(OK|BACK|X)*", u'/12OK').groups()
(None,)

但這是“正確的”，因為*匹配零個或多個，並且任何模式在任何字符串中匹配零次，這就是為什么看到None的原因。 用+搜索可以解決該問題：

>>> re.search("(OK|BACK|X)+", u'/12OK').groups()
('OK',)

但是現在，在/12OKOK使用此模式進行搜索仍然只找到一個匹配項，因為+表示一個或多個，並且在第一個OK匹配一次。 要查找所有出現的事件，您需要使用re.findall ：

>>> re.findall("(OK|BACK|X)", u'/12OKOK')
['OK', 'OK']

有了這些發現，您的代碼將如下所示：（請注意，因為i已經是一個字符串，所以您無需編寫i[0] ，除非您只想記錄字符串的第一個字符）：

import re

endp = endp.encode('ASCII', 'ignore')
match = re.search(r"([0-9]+)", str(endp))
if match:
    n = match.groups()
    logging.info('nums: ' + str(n))

match = re.findall(r"(OK|BACK|X)", str(endp), re.I)
for i in match:
    logging.info('str: ' + str(i))

Answer 4

我認為您遇到了兩個不同的問題，它們的交集比任何一個單獨導致的混亂都多。

第一個問題是您正在使用重復的組。 當重復一個組時，Python的re庫無法捕獲多個匹配項。 與(X)+類的模式對'XXXX'進行匹配，即使整個字符串都將被匹配，也只會在第一組中捕獲單個'X' 。 regex庫 （不是標准庫的一部分）可以執行多個捕獲，盡管我不確定所需的確切命令。

第二個問題是在模式中使用*重復運算符。 您在問題頂部顯示的模式將與空字符串匹配。 顯然，在這種情況下，沒有一個人能夠捕獲任何東西（這可能就是為什么您在結果中看到很多None條目的原因）。 您可能需要修改模式，以便它需要最少的有效文本才能算作匹配項。 使用+代替*可能是一種解決方案，但是我不清楚您要匹配的對象是什么，因此我無法建議特定的模式。