re.findall()方法及re.compile()

• re.findall()在字符串中找到正則表達(dá)式所匹配的所有子串，并返回一個(gè)列表；如果沒有找到匹配的，則返回空列表。

返回結(jié)果是列表類型，需要遍歷一下才能依次獲取每組內(nèi)容。

findall(patern, string, flags=0)

• pattern : 正則中的模式字符串。
• string : 要被查找替換的原始字符串。
• flags : 標(biāo)志位，用于控制正則表達(dá)式的匹配方式，如：是否區(qū)分大小寫，多行匹配等等。

1.例子

import re?
content = 'Hello 123456789 Word_This is just a test 666 Test'
results = re.findall('\d+', content) ? ?
?
print(results)
for result in results:
? ? print(result)

結(jié)果：

['123456789', '666']
123456789
666
 
Process finished with exit code 0

注意利用re.findall()函數(shù)沒有g(shù)roup()和groups()，因?yàn)槠浞祷亟Y(jié)果是一個(gè)列表。

2.re.compile()方法

• re.compile()方法可以將正則字符串編譯成正則表達(dá)式對(duì)象，以便在后面的匹配中復(fù)用。

re.compile(pattern[, flags])

re.compile()中可以傳入忽略換行等匹配模式，這樣在search()、findall()方法中就不需要額外傳入了。

因此，re.findall()方法有2種表達(dá)方式：

import re
?
content = 'one1two22three333four4444'
pattern = re.compile(r'\d+')
print('===方法1：===')
result1 = re.findall(pattern, content)
print(result1)
?
print('===方法2===')
result2 = pattern.findall(content)
print(result2)

結(jié)果：

===方法1：===
['1', '22', '333', '4444']
===方法2===
['1', '22', '333', '4444']
 
Process finished with exit code 0

3.在使用findall()方法時(shí)的“坑”

注意正則表達(dá)式中括號(hào)()的使用

（1）正則表達(dá)式中當(dāng)沒有括號(hào)時(shí)，正常匹配：

import re?
?
str1 = '2345 ?3456 ?4567 ?5678 ?6789'
pattern_1 = re.compile('\w+\s+\w+') # \w 表示匹配包括下劃線的任何單詞字符，等價(jià)于[A-Za-z0-9_]
print(pattern_1.findall(str1))

結(jié)果：

['2345  3456', '4567  5678']
 
Process finished with exit code 0

（2）正則表達(dá)式中有一個(gè)括號(hào)時(shí)，其輸出的內(nèi)容就是括號(hào)匹配到的內(nèi)容，而不是整個(gè)表達(dá)式所匹配到的結(jié)果：

import re
?
str1 = '2345 ?3456 ?4567 ?5678 ?6789'
pattern_1 = re.compile('(\w+)\s+\w+') # \w 表示匹配包括下劃線的任何單詞字符，等價(jià)于[A-Za-z0-9_]
print(pattern_1.findall(str1))

結(jié)果：

['2345', '4567']
 
Process finished with exit code 0

整個(gè)正則表達(dá)式執(zhí)行了，只不過只輸出括號(hào)匹配到的內(nèi)容，即輸出的是第一個(gè) (\w+) 匹配到的內(nèi)容：

在第一次匹配時(shí)跟上述沒有括號(hào)時(shí)一樣，匹配到"2345 3456"，只不過只輸出(/w+)匹配到的結(jié)果 即"2345"；

第二次匹配同理，從"4567" 開始，匹配到"4567  5678"，但是還是只是輸出(/w+)匹配到的結(jié)果 即"4567"。

（3）當(dāng)正則表達(dá)式中有兩個(gè)括號(hào)時(shí)，其輸出是一個(gè)list 中包含2個(gè) tuple：

import re
?
str1 = '2345 ?3456 ?4567 ?5678 ?6789'
pattern_1 = re.compile('((\w+)\s+\w+)') # \w 表示匹配包括下劃線的任何單詞字符，等價(jià)于[A-Za-z0-9_]
print(pattern_1.findall(str1))

結(jié)果：

[('2345  3456', '2345'), ('4567  5678', '4567')]
 
Process finished with exit code 0

從輸出的結(jié)果可以看出，結(jié)果中包含兩個(gè)元組，每一個(gè)元組中有兩個(gè)字符串。

第一個(gè)元組是第一次匹配的結(jié)果，其中的第一個(gè)字符串 "2345 3456" 是正則表達(dá)式最外面的括號(hào)

• ((\w+)\s+\w+)

匹配輸出的結(jié)果；

第一個(gè)元組中的第二個(gè)字符串 "2345"是正則表達(dá)式里面括號(hào)

• (\w+)

匹配輸出的結(jié)果 ；

第二個(gè)元組是第二次匹配的結(jié)果，匹配原理與第一次匹配相同。

正則表達(dá)式findall函數(shù)問題

在寫正則表達(dá)式的時(shí)候總會(huì)遇到不少的問題， 特別是在表達(dá)式有多個(gè)元組的時(shí)候。下面看下re模塊下的findall()函數(shù)和多個(gè)表達(dá)式元組相遇的時(shí)候會(huì)出現(xiàn)什么樣的坑。

代碼如下：    

import re
str="a b c d"
regex0=re.compile("((\w )\s \w )")
print(regex0.findall(str))
regex1=re.compile("(\w )\s \w ")
print(regex1.findall(str))
regex2=re.compile("\w \s \w ")
print(regex2.findall(str))

結(jié)果：    

[('a b', 'a'), ('c d', 'c')]
['a', 'c']
['a b', 'c d']

可能結(jié)果有點(diǎn)意外，下面解釋一下

• 第一個(gè)正則表達(dá)式中是帶有2個(gè)括號(hào)的，我們可以看到其輸出是一個(gè)list 中包含2個(gè) tuple
• 第二個(gè)正則表達(dá)式中帶有1個(gè)括號(hào)，其輸出的內(nèi)容就是括號(hào)匹配到的內(nèi)容，而不是整個(gè)表達(dá)式所匹配到的結(jié)果。
• 第三個(gè)正則表達(dá)式中不帶有括號(hào),其輸出的內(nèi)容就是整個(gè)表達(dá)式所匹配到的內(nèi)容。

結(jié)論：findall()返回的是括號(hào)所匹配到的結(jié)果（如regex1），多個(gè)括號(hào)就會(huì)返回多個(gè)括號(hào)分別匹配到的結(jié)果（如regex），如果沒有括號(hào)就返回就返回整條語句所匹配到的結(jié)果(如regex2)。所以在提取數(shù)據(jù)的時(shí)候就需要注意這個(gè)坑。

實(shí)際上是由其并不是python特有的，這是 正則 所特有的 ， 任何一門高級(jí)語言使用正則都滿足這個(gè)特點(diǎn)：有括號(hào)時(shí)只能匹配到括號(hào)中的內(nèi)容，沒有括號(hào)【相當(dāng)于在最外層增加了一個(gè)括號(hào)】。在正則里面 “（）” 代表的是分組的意思，一個(gè)括號(hào)代表一個(gè)分組，你只能匹配到"()"中的內(nèi)容

以上為個(gè)人經(jīng)驗(yàn)，希望能給大家一個(gè)參考，也希望大家多多支持腳本之家。

最新評(píng)論