正则表达式返回元组而不是完整匹配

Question

我正在尝试使用正则表达式在网站上找到代理地址。目前我正在使用这个正则表达式：(\d{1,3}\.){3}\d{1,3}:(\d+)。它可以在regexr.com和sublime text上运行，但当我在Python中使用时，结果不符合预期。

以下是我使用的代码：

p = re.compile("(\d{1,3}\.){3}\d{1,3}:(\d+)")
ipCandidates = p.findall(soupString)

它应该返回像这样的代理：120.206.182.172:8123，但它返回了元组，如下所示：('44.', '3128')。我该怎么办才能解决这个问题？谢谢。

- The Wizard of Dos

---

你为什么要使用这些捕获组？你希望它们捕获什么？如果你想要非捕获组，那就用 (?:stuff) 而不是 (stuff)。 - user2357112

老实说，我不知道。我在网上找到了这个正则表达式，在除了Python之外的所有地方都完美运行。我对正则表达式并不是很熟练。 - The Wizard of Dos

Answer 1

re.findall()仅返回捕获组的内容，而不是整个匹配（如果您的正则表达式中有这样的组）。

然后，您重复了一个捕获组三次，这意味着只有第三次重复被保留（其他两个被覆盖）。

将您的正则表达式更改为

p = re.compile(r"(?:\d{1,3}\.){3}\d{1,3}:\d+")

并且你将得到完整的匹配。

如果你确实想要没有点和冒号的单独子匹配元组，也可以这样做，但是就不能使用重复了：

p = re.compile(r"(\d{1,3})\.(\d{1,3})\.(\d{1,3})\.(\d{1,3}):(\d+)")

另外，在编写正则表达式时，一定要使用原始字符串（raw strings），以确保正则表达式的转义字符和字符串的转义字符不会混淆。

- Tim Pietzcker