Python3 re.findall()及re.compile()

re.findall()方法及re.compile()

• re.findall()在字符串中找到正则表达式所匹配的所有子串，并返回一个列表；如果没有找到匹配的，则返回空列表。

返回结果是列表类型，需要遍历一下才能依次获取每组内容。

findall(patern, string, flags=0)

• pattern : 正则中的模式字符串。
• string : 要被查找替换的原始字符串。
• flags : 标志位，用于控制正则表达式的匹配方式，如：是否区分大小写，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)

结果：

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

注意利用re.findall()函数没有group()和groups()，因为其返回结果是一个列表。

2.re.compile()方法

• re.compile()方法可以将正则字符串编译成正则表达式对象，以便在后面的匹配中复用。

re.compile(pattern[, flags])

re.compile()中可以传入忽略换行等匹配模式，这样在search()、findall()方法中就不需要额外传入了。

因此，re.findall()方法有2种表达方式：

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)

结果：

===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()方法时的“坑”

注意正则表达式中括号()的使用

（1）正则表达式中当没有括号时，正常匹配：

import re 
 
str1 = '2345  3456  4567  5678  6789'
pattern_1 = re.compile('\w+\s+\w+') # \w 表示匹配包括下划线的任何单词字符，等价于[A-Za-z0-9_]
print(pattern_1.findall(str1))

结果：

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

（2）正则表达式中有一个括号时，其输出的内容就是括号匹配到的内容，而不是整个表达式所匹配到的结果：

import re
 
str1 = '2345  3456  4567  5678  6789'
pattern_1 = re.compile('(\w+)\s+\w+') # \w 表示匹配包括下划线的任何单词字符，等价于[A-Za-z0-9_]
print(pattern_1.findall(str1))

结果：

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

整个正则表达式执行了，只不过只输出括号匹配到的内容，即输出的是第一个 (\w+) 匹配到的内容：

在第一次匹配时跟上述没有括号时一样，匹配到"2345 3456"，只不过只输出(/w+)匹配到的结果 即"2345"；

第二次匹配同理，从"4567" 开始，匹配到"4567  5678"，但是还是只是输出(/w+)匹配到的结果 即"4567"。

（3）当正则表达式中有两个括号时，其输出是一个list 中包含2个 tuple：

import re
 
str1 = '2345  3456  4567  5678  6789'
pattern_1 = re.compile('((\w+)\s+\w+)') # \w 表示匹配包括下划线的任何单词字符，等价于[A-Za-z0-9_]
print(pattern_1.findall(str1))

结果：

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

从输出的结果可以看出，结果中包含两个元组，每一个元组中有两个字符串。

第一个元组是第一次匹配的结果，其中的第一个字符串 "2345 3456" 是正则表达式最外面的括号

• ((\w+)\s+\w+)

匹配输出的结果；

第一个元组中的第二个字符串 "2345"是正则表达式里面括号

• (\w+)

匹配输出的结果 ；

第二个元组是第二次匹配的结果，匹配原理与第一次匹配相同。

正则表达式findall函数问题

在写正则表达式的时候总会遇到不少的问题， 特别是在表达式有多个元组的时候。下面看下re模块下的findall()函数和多个表达式元组相遇的时候会出现什么样的坑。

代码如下：    

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))

结果：    

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

可能结果有点意外，下面解释一下

• 第一个正则表达式中是带有2个括号的，我们可以看到其输出是一个list 中包含2个 tuple
• 第二个正则表达式中带有1个括号，其输出的内容就是括号匹配到的内容，而不是整个表达式所匹配到的结果。
• 第三个正则表达式中不带有括号,其输出的内容就是整个表达式所匹配到的内容。

结论：findall()返回的是括号所匹配到的结果（如regex1），多个括号就会返回多个括号分别匹配到的结果（如regex），如果没有括号就返回就返回整条语句所匹配到的结果(如regex2)。所以在提取数据的时候就需要注意这个坑。

实际上是由其并不是python特有的，这是 正则 所特有的 ， 任何一门高级语言使用正则都满足这个特点：有括号时只能匹配到括号中的内容，没有括号【相当于在最外层增加了一个括号】。在正则里面 “（）” 代表的是分组的意思，一个括号代表一个分组，你只能匹配到"()"中的内容

以上为个人经验，希望能给大家一个参考，也希望大家多多支持。