Python正則表達式：findall（）和search（）

Question

我有以下Python正則表達式：

>>> p = re.compile(r"(\b\w+)\s+\1")

\\b ：單詞邊界
\\w+ ：一個或多個字母數字字符
\\s+ ：一個或多個空格（可以是 ， \\t ， \\n ，..）
\\1 ：反向引用組1（= (..)之間的部分）

這個正則表達式應該找到一個單詞的所有重復出現-如果兩個出現是彼此相鄰的，並且它們之間有一些空格。
使用搜索功能時，正則表達式似乎可以正常工作：

>>> p.search("I am in the the car.")

<_sre.SRE_Match object; span=(8, 15), match='the the'>

正如我所期望the the ，找到的匹配項是。 奇怪的行為是在findall函數中：

>>> p.findall("I am in the the car.")

['the']

找到的匹配項現在僅the 。 為什么會有所不同？

Answer 1

在正則表達式中使用組時， findall()僅返回組； 從文檔中 ：

如果該模式中存在一個或多個組，則返回一個組列表；否則，返回一個列表。 如果模式包含多個組，則這將是一個元組列表。

在使用反向引用時，您不能避免使用組，但是可以在整個模式周圍放置一個新組：

>>> p = re.compile(r"((\b\w+)\s+\2)")
>>> p.findall("I am in the the car.")
[('the the', 'the')]

外部組是組1，因此后向引用應指向組2。您現在有兩個組，因此每個條目有兩個結果。 使用命名組可能會使此內容更具可讀性：

>>> p = re.compile(r"((?P<word>\b\w+)\s+(?P=word))")

您可以將其過濾回僅外部組結果：

>>> [m[0] for m in p.findall("I am in the the car.")]
['the the']