python - 了解 Python 中的 're.search()' 行为

Question

这是我用来从一串字母数字中拆分字母和数字的 python 代码:

input_string = 'abcdefghijklmnopqrstuvwxyz1234567890'
import re
print re.search('[a-z]*', input_string).group()
print re.search('[0-9]*', input_string).group()

在输出中，我得到的是字母串，但没有得到数字串。如果我像下面这样修改代码，输出显示数字:

print re.search('[0-9]*$', input_string).group()

我习惯了 grep 并且我发现它的功能与 re 模块的功能相似，如果我在 shell 中运行以下命令我会得到想要的结果:

echo "abcdefghijklmnopqrstuvwxyz1234567890" | grep "[0-9]*"

我是不是漏掉了什么？

Answer 1

我建议您使用 re.findall 函数(为了进行全局匹配)而不是 re.search 因为 re.search 将只返回第一个匹配项。

>>> input_string = 'abcdefghijklmnopqrstuvwxyz1234567890'
>>> print re.findall(r'\d+|[a-z]+', input_string)
['abcdefghijklmnopqrstuvwxyz', '1234567890']

也不要使用[a-z]*，它也会返回空字符串。 * 会重复前一个标记零次或多次，而 + 会重复前一个标记一次或多次。

>>> print re.search(r'\d+', input_string).group()
1234567890
>>> print re.search(r'[a-z]+', input_string).group()
abcdefghijklmnopqrstuvwxyz

为什么第一个有效而第二个失败？

>>> print re.search('[a-z]*', input_string).group()
abcdefghijklmnopqrstuvwxyz
>>> print re.search('[0-9]*', input_string).group()

>>>

* 重复前一个标记零次或多次，即它会匹配每个不匹配字符之前存在的空字符串。首先 [a-z]* 返回 abcdefghijklmnopqrstuvwxyz 因为这个子字符串位于开头。如果输入类似于 8abcdefghijklmnopqrstuvwxyz，它将返回一个空字符串。此行为是由于 re.search 函数，它在找到第一个匹配项后停止。这里 8 与上面的正则表达式不匹配，所以正如我所说，[a-z]* 正则表达式将匹配 8< 之前存在的空字符串。

regex = [0-9]*, string = "abcdefghijklmnopqrstuvwxyz1234567890"

re.search 在找到第一个匹配项后停止。这里 a 不匹配 [0-9] 但 [0-9]* 匹配 a 之前存在的空字符串 因为 * 会重复前一个标记 零次 或更多次。这就是为什么在第二种情况下输出空字符串的原因。

>>> print re.search('[0-9]*$', input_string).group()
1234567890

由于我们添加了行尾 anchor ，它会在行尾搜索零个或多个数字。如果在最后找不到更多数字，它将返回一个空字符串作为匹配项。

>>> print re.search('[0-9]*$', '12foo').group()

>>>