為什么我的正則表達式會為字符串中的每個字符返回元組？

Question

我正在為我的數學 class 制作一個簡單的項目，我想在其中驗證給定的 function 主體（字符串）是否僅包含允許的表達式（數字、基本三角函數、+、-、*、/）。 我正在使用帶有re.findall方法的正則表達式。 我當前的代碼：

import re

def valid_expression(exp) -> bool:
    # remove white spaces
    exp = exp.replace(" ", "")

    # characters to search for
    chars = r"(cos)|(sin)|(tan)|[\d+/*x)(-]"

    z = re.findall(chars, exp)
    
    return "".join(z) == exp

但是，當我測試這個任何表達式時， re.findall(chars, exp)將返回一個包含 3 個空字符串的元組列表： ('', '', '')對於字符串中的每個字符，除非存在觸發 function在這種情況下，它將返回一個帶有觸發器 function 和兩個空字符串的元組。

例如：cos(x) -> [('cos', '', ''), ('', '', ''), ('', '', ''), ('', '', '')]

我不明白為什么會這樣，我已經在regexr.com上測試了正則表達式，它工作正常。 我知道它使用 javascript 但通常應該沒有區別吧？

感謝您的任何解釋和/或修復。

Answer 1

簡短的回答：如果你想要的結果是['cos', '(', 'x', ')'] ，你需要類似'(cos|sin|tan|[)(-*x]|\d+)' :

>>> re.findall(r'(cos|sin|tan|[)(-*x]|\d+)', "cos(x)")
['cos', '(', 'x', ')']

---

從findall的文檔中：

結果取決於模式中捕獲組的數量。 如果沒有組，則返回與整個模式匹配的字符串列表。 如果只有一個組，則返回與該組匹配的字符串列表。 如果存在多個組，則返回與組匹配的字符串元組列表。 非捕獲組不影響結果的形式。

對於'cos(x)' ，您從('cos', '', '')開始，因為cos匹配，但sin和tan都不匹配。 對於( 、 x和)中的每一個，三個捕獲組都沒有匹配，盡管括號表達式匹配。 由於它不在捕獲組內，因此它匹配的任何內容都不包含在您的 output 中。

順便說一句， [\d+/*x)(-]不包括多位整數作為匹配項。 \d+不是正則表達式；它是兩個字符d和+ 。（轉義是空操作，因為d在[...]中沒有特殊含義。）因此，它與以下八個字符之一完全匹配：

1. d
2. +
3. /
4. *
5. x
6. )
7. (
8. -

Answer 2

您的正則表達式中有三個組（一個帶括號的表達式），因此您得到包含三個項目的元組。 此外，您會得到與您的正則表達式匹配的所有子字符串的四個結果：第一個是“cos”，第二個是“（”，第三個是“x”，最后一個是“）”。 但是你的正則表達式的最后一部分沒有標記為一個組，所以你沒有在你的元組中得到這個匹配。 如果您像 r"(cos)|(sin)|(tan)|([\d+/*x)(-])" 更改您的正則表達式，您將獲得包含四個項目的元組。 每個元組都有一個非空項。

不幸的是，此修復程序無法幫助您驗證您沒有被禁止的詞位。 這只是為了了解發生了什么。

我建議您將您的正則表達式轉換為否定形式：您可以檢查除了允許的詞位之外什么都沒有，而不是檢查您是否有一些允許的詞位。 我想這種方式應該適用於簡單的情況。 但是，恐怕，對於更復雜的表達，你必須使用正則表達式以外的東西。

Answer 3

findall 返回元組，因為您的正則表達式具有捕獲組。 要使組不捕獲，請在左括號后添加?: :：

r"(?:cos)|(?:sin)|(?:tan)|[\d+/*x)(-]"