re.findall-nicht wieder in voller übereinstimmung?

Ich habe eine Datei, die enthält eine Reihe von Zeichenfolgen wie "size=XXX;". Ich versuche, python-re-Modul zum ersten mal und bin ein wenig verwirrt durch das folgende Verhalten: wenn ich ein Rohr für 'oder' in einem regulären Ausdruck, ich sehe nur, dass etwas von der übereinstimmung zurückgegeben. E. g.:

>>> myfile = open('testfile.txt','r').read()
>>> print re.findall('size=50;',myfile)
['size=50;', 'size=50;', 'size=50;', 'size=50;']
>>> print re.findall('size=51;',myfile)
['size=51;', 'size=51;', 'size=51;']
>>> print re.findall('size=(50|51);',myfile)
['51', '51', '51', '50', '50', '50', '50']
>>> print re.findall(r'size=(50|51);',myfile)
['51', '51', '51', '50', '50', '50', '50']

Den "size=" Teil des Spiels Weg ist. (Aber es wird sicherlich in der Suche verwendet, andernfalls würde es zu mehr Ergebnissen). Was mache ich falsch?

InformationsquelleAutor Ben S. | 2013-08-25
  1. 29

    Das problem, das Sie haben, ist, dass, wenn die regex re.findall versucht, Gruppen erfasst (d.h. die Teile des regex, die in Klammern eingeschlossen sind), dann ist es die Gruppen, die zurückgegeben werden, anstatt die übereinstimmenden Zeichenfolgen.

    Eine Möglichkeit zur Lösung dieses Problems ist die Verwendung nicht-Erfassung von Gruppen (mit dem Präfix ?:).

    >>> import re
>>> s = 'size=50;size=51;'
>>> re.findall('size=(?:50|51);', s)
['size=50;', 'size=51;']

    Wenn die regex re.findall versucht, nicht erfasst alles, es gibt die ganze der übereinstimmenden Zeichenfolge.

    Obwohl die Verwendung von Charakter-Klassen vielleicht die einfachste option ist in diesem speziellen Fall, nicht erfassende Gruppen stellen Sie eine Allgemeine Lösung.

    InformationsquelleAutor Volatility
  2. 8

    Wenn ein regulärer Ausdruck Klammern enthält, Sie erfassen Ihre Inhalte zu Gruppen, eine änderung des Verhaltens der findall() nur wieder diese Gruppen. Hier ist der relevante Abschnitt aus die docs:

    (...)

    Entspricht, was den regulären Ausdruck innerhalb der Klammern,
    und zeigt den Beginn und das Ende einer Gruppe; der Inhalt einer Gruppe
    abgerufen werden können nach einem Spiel durchgeführt wurde, und kann abgestimmt werden
    später in der string mit den \number spezielle Sequenz, beschrieben
    unten. Entsprechen die Literale '(' oder ')' verwenden \( oder \), oder Sie schließen Sie
    innerhalb einer Zeichenklasse: [(] [)].

    Zu vermeiden, dieses Verhalten, können Sie eine nicht-Erfassung Gruppe:

    >>> print re.findall(r'size=(?:50|51);',myfile)
['size=51;', 'size=51;', 'size=51;', 'size=50;', 'size=50;', 'size=50;', 'size=50;']

    Wieder von den docs:

    (?:...)

    Einer nicht-Erfassung version des regulären Klammern. Spiele was auch immer reguläre Ausdruck innerhalb der Klammern, aber der Teilzeichenfolge auf, der der Gruppe nicht abgerufen werden können, nach einem match oder auf die verwiesen wird, später in dem Muster.

    InformationsquelleAutor Zero Piraeus
  3. 2

    'size=(50|51);' heißt, Sie sind auf der Suche für size=50 oder size=51 sondern nur passend zu den 50 oder 51 Teil (man beachte die Klammern), daher es nicht zurück sign=.

    Wenn Sie möchten, dass die sign= zurückgegeben, die Sie tun können:

    re.findall('(size=50|size=51);',myfile)
    • (...) definiert ein match-Gruppe. Sie können auch (size=(50|51)) wo Sie über zwei wettkampf-Gruppen, die erste ist die volle size=5X und die zweite nur die 5X Teil.
    InformationsquelleAutor TerryA
  4. 1

    Ich denke, was Sie wollen, ist mit [] statt (). [] angibt Satz von Zeichen while () - Anzeige-group übereinstimmen. Probieren Sie etwas wie dieses:

    print re.findall('size=5[01];', myfile)
    • ja, gerade geschnitten , thx
    • hilfreich, wenn ich mir den Aufbau zu komplizierteren regex, wo ich muss ()
    InformationsquelleAutor marcadian
  5. 0

    In einigen Fällen, die non-capturing-group ist nicht angemessen, zum Beispiel mit regex, die erkennt, wiederholte Wörter (Beispiel aus python docs)

    r'(\b\w+)\s+\1'

    In dieser situation zu bekommen ganze match kann man

    [groups[0] for groups in re.findall(r'((\b\w+)\s+\2)', text)]

    Beachten Sie, dass \1 verändert hat \2.

    InformationsquelleAutor Стас Цепа
Schreibe einen Kommentar