使用 re.findall 捕获正则表达式中的命名组

Question

当我试图回答这个问题：Python中拆分百分比和值的正则表达式时，我注意到我需要重新排列findall结果中的组。例如：

data = """34% passed 23% failed 46% deferred"""
result = {key:value for value, key in re.findall('(\w+)%\s(\w+)', data)}
print(result)
>>> {'failed': '23', 'passed': '34', 'deferred': '46'}

查找所有匹配项的结果如下：

>>> re.findall('(\w+)%\s(\w+)', data)
>>> [('34', 'passed'), ('23', 'failed'), ('46', 'deferred')]

有没有办法改变/指定使 re.findall 返回 的组的顺序？

[('passed', '34'), ('failed', '23'), ('deferred', '46')]

请澄清，问题是：

是否可能指定re.findall函数返回的组的顺序或重新排序组的顺序？

我使用上面的示例创建了一个字典，以提供更改顺序的原因/用例（将键作为值，将值作为键）

进一步澄清：

为了处理更大更复杂的正则表达式中的组，您可以命名组，但是仅在进行re.search或re.match时才能访问这些名称。据我所知，findall中的组具有固定的索引返回到元组中，问题是是否有人知道如何修改那些索引。这将有助于使组的处理更加轻松和直观。

- ashwinjv

---

无法更改findall返回的组的顺序，但是很容易在事后重新排序它们，就像我在我的第二个答案中展示的那样：https://dev59.com/sV8e5IYBdhLWcg3wja75#25629693 - Dan Lenski

这是我假设的，但找不到文件来证明。因此我在这里提出了问题。 - ashwinjv

Answer 1

基于原帖中在此评论中提供的更进一步澄清意图，进行第三次尝试。

Ashwin的意见是正确的，findall不会保留已命名的捕获组（例如(?P<name>regex)）。救星finditer出现了！它按顺序逐个返回各个匹配对象。以下是一个简单的示例：

data = """34% passed 23% failed 46% deferred"""
for m in re.finditer('(?P<percentage>\w+)%\s(?P<word>\w+)', data):
    print( m.group('percentage'), m.group('word') )

- Dan Lenski

Answer 2

正如您在第二个示例中所指出的那样，re.findall 按原始顺序返回组。

问题在于标准的 Python dict 类型无论如何都不会保留键的顺序。这是 Python 2.x 的手册，它明确说明了这一点，但在 Python 3.x 中仍然是正确的: https://docs.python.org/2/library/stdtypes.html#dict.items

您应该使用 collections.OrderedDict 替代:

from collections import OrderedDict as odict

data = """34% passed 23% failed 46% deferred"""
result = odict((key,value) for value, key in re.findall('(\w+)%\s(\w+)', data))
print(result)
>>> OrderedDict([('passed', '34'), ('failed', '23'), ('deferred', '46')])

请注意，您必须使用成对构造函数形式（dict((k,v) for k,v in ...）而不是字典推导式构造函数（{k:v for k,v in ...}）。这是因为后者构造出的实例是dict类型，无法转换为OrderedDict而不丢失键的顺序...这正是您首先要保留的。

- Dan Lenski

---

我在想是否可以指定或更改re.findall返回结果的原始顺序。将其转换为字典只是我想重新排序组时的示例。 - ashwinjv

你的问题并没有清楚地表明你想要重新排序什么。请编辑以澄清此事。 - Dan Lenski

更新：Python dict 对于较新版本的 Python 确实 保留了键的顺序（另请参阅 SPEC SO Post）。 - dreftymac

Answer 3

根据提问者在我第一个回答中的评论所述：如果您只是想像这样重新排序一个由2元组组成的列表：

[('34', 'passed'), ('23', 'failed'), ('46', 'deferred')]

...变成这样，其中单独的元素被反转：

[('passed', '34'), ('failed', '23'), ('deferred', '46')]

有一个简单的解决方案：使用切片语法sequence[::-1]的列表推导式来反转元组中元素的顺序。

a = [('34', 'passed'), ('23', 'failed'), ('46', 'deferred')]
b = [x[::-1] for x in a]
print b

- Dan Lenski

---

我知道如何重新排序元组，问题是指定re.findall的顺序。 - ashwinjv

重新查找的顺序是什么？我将向您展示如何获取re.findall的输出并更改其顺序，以符合您所需的顺序。 - Dan Lenski

为了处理更大更复杂的正则表达式中的组，您可以对组进行命名，但只有在执行re.search或re.match时才能访问这些名称。据我所知，findall在元组中返回的组具有固定的索引。问题是，是否有人知道如何修改这些索引。这将有助于使组的处理更加容易和直观。 - ashwinjv

这里的文档https://docs.python.org/3.1/library/re.html#re.findall说你会得到一个带组的元组列表，但没有讨论该元组中组的索引。 - ashwinjv

啊，命名组是一个单独的问题（也不在你的问题中）。你正确地指出findall仅返回捕获的组并忽略名称；但是，你可以简单地使用finditer代替来返回匹配对象，从而可以访问命名组。 - Dan Lenski

先生，那正是我在寻找的。如果你能添加/修改你的回答，我会接受它。谢谢。 - ashwinjv