为什么re.findall返回一个元组列表，当我的模式只包含一个组？

Question

假设有一个包含字母和两个分隔符 1 和 2 的字符串 s。我想按以下方式拆分字符串:

• 如果子字符串 t 位于 1 和 2 之间，则返回 t
• 否则，返回每个字符

因此，如果 s = 'ab1cd2efg1hij2k'，则预期输出为 ['a', 'b', 'cd', 'e', 'f', 'g', 'hij', 'k']。

我尝试使用正则表达式：

import re
s = 'ab1cd2efg1hij2k'
re.findall( r'(1([a-z]+)2|[a-z])', s )

[('a', ''),
 ('b', ''),
 ('1cd2', 'cd'),
 ('e', ''),
 ('f', ''),
 ('g', ''),
 ('1hij2', 'hij'),
 ('k', '')]

我可以通过以下代码来获得答案：[ x[x[-1]!=''] for x in re.findall(r'(1([a-z]+)2|[a-z])', s) ]，但是我仍然不理解输出结果。根据官方文档，如果正则表达式模式包含多个组，则findall函数返回一个元组列表。然而，我的模式只包含一个组。若有任何解释，请不吝赐教。

- usual me

Answer 1

您的模式有两个组，较大的组：

(1([a-z]+)2|[a-z])

还有第二个小一些的组，它是你第一个组的子集：

([a-z]+)

这里有一个解决方案，可以给您期望的结果，但请注意，它非常丑陋，可能还有更好的方法。我只是想不出来：

import re
s = 'ab1cd2efg1hij2k'
a = re.findall( r'((?:1)([a-z]+)(?:2)|([a-z]))', s )
a = [tuple(j for j in i if j)[-1] for i in a]

>>> print a
['a', 'b', 'cd', 'e', 'f', 'g', 'hij', 'k']

- sshashank124

---

你的模式相当奇怪。你不需要在 1 和 2 周围使用非捕获组，也不需要在整个模式周围使用分组（这会在输出中浪费大量的精力来跳过）。相反，只需接受 findall 调用将返回 2 元组，并使用 a = [x or y for x, y in a] 将它们转换为单个值即可。 - Blckknght

Answer 2

虽然我迟了5年才来参加这个活动，但我认为我可能已经找到了一个优雅的解决方案来处理 re.findall() 函数丑陋的元组输出以及多个捕获组。

通常情况下，如果你最终得到了像这样的输出：

[('pattern_1', '', ''), ('', 'pattern_2', ''), ('pattern_1', '', ''), ('', '', 'pattern_3')]

那么你可以使用这个小技巧将其转换为一个平面列表：

["".join(x) for x in re.findall(all_patterns, iterable)]

预期输出将如下所示：

['pattern_1', 'pattern_2', 'pattern_1', 'pattern_3']

这已经在Python 3.7上进行测试，希望它能有所帮助！

- Greem666

Answer 3

你的正则表达式有2个组，只需查看你使用的括号数量即可 :). 一个组将是([a-z]+)，另一个将是(1([a-z]+)2|[a-z])。关键是你可以在其他组中放置组。因此，如果可能的话，你应该构建只有一个组的正则表达式，这样就不必后处理结果了。

只有一个组的正则表达式示例：

>>> import re
>>> s = 'ab1cd2efg1hij2k'
>>> re.findall('((?<=1)[a-z]+(?=2)|[a-z])', s)
['a', 'b', 'cd', 'e', 'f', 'g', 'hij', 'k']

- moliware

Answer 4

如果您想要进行“或”匹配，而不需要将其拆分为匹配组，请在“或”匹配的开头添加“?:”。

没有“?:”

re.findall('(test (word1|word2))', 'test word1')

Output:
[('test word1', 'word1')]

使用'?:'

re.findall('(test (?:word1|word2))', 'test word1')

Output:
['test word1']

进一步解释：https://www.ocpsoft.org/tutorials/regular-expressions/or-in-regex/

或（or）在正则表达式中的使用方法。

- Sebastian N

---

这里的关键词是“非捕获组”...（仅为搜索引擎添加） - A. Rabus

救了我，谢谢。 - grantr

Answer 5

看一下类似问题的答案：https://bugs.python.org/issue6663 如果你使用findall，只需删除括号：

import re
s = 'ab1cd2efg1hij2k'
re.findall( r'(?<=1)[a-z]+(?=2)|[a-z]', s )

- Totoro

Answer 6

只需要进行一个简单的更改：将组更改为非捕获组 代码：

import re
s = 'ab1cd2efg1hij2k'
re.findall( r'(1(?:[a-z]+)2|[a-z])', s )

输出：

['a', 'b', '1cd2', 'e', 'f', 'g', '1hij2', 'k']

- Kayvan Shah