我有这段代码可以找到以@或#开头的单词，
p = re.findall(r'@\w+|#\w+', str)
现在让我厌烦的是重复\w+。我确信有一种方法可以做类似的事情
p = re.findall(r'(@|#)\w+', str)
这将产生相同的结果，但实际上并没有，它只返回 # 和 @。如何更改该正则表达式，以便我不重复 \w+？这段代码很接近，
p = re.findall(r'((@|#)\w+)', str)
但它返回 [('@many', '@'), ('@this', '@'), ('#tweet', '#')](注意额外的“@”、“@”和“#”。
此外，如果我将此 re.findall 代码重复 500,000 次，是否可以将其编译为一种模式然后更快？
最佳答案
解决方案
你有两个选择:
- 使用非捕获组:
(?:@|#)\w+ - 或者更好，一个字符类:
[@#]\w+
引用资料
了解findall
您遇到的问题是由于 findall 如何根据存在的捕获组数量返回匹配。
让我们仔细看看这个模式(注释以显示组):
((@|#)\w+)
|\___/ |
|group 2 | # Read about groups to understand
\________/ # how they're defined and numbered/named
group 1
捕获组允许我们将匹配项保存在整体模式中的子模式中。
p = re.compile(r'((@|#)\w+)')
m = p.match('@tweet')
print m.group(1)
# @tweet
print m.group(2)
# @
现在让我们看一下 re 模块的 Python 文档:
findall: Return all non-overlapping matches of pattern in string, as a list of strings. The string is scanned left-to-right, and matches are returned in the order found. If one or more groups are present in the pattern, return a list of groups; this will be a list of tuples if the pattern has more than one group.
这解释了为什么您会收到以下内容:
str = 'lala @tweet boo #this &that @foo#bar'
print(re.findall(r'((@|#)\w+)', str))
# [('@tweet', '@'), ('#this', '#'), ('@foo', '@'), ('#bar', '#')]
正如指定的那样，由于模式有多个组，findall 返回一个元组列表，每个匹配一个。每个元组都会为您提供给定匹配的组所捕获的内容。
文档还解释了为什么您会收到以下信息:
print(re.findall(r'(@|#)\w+', str))
# ['@', '#', '@', '#']
现在模式只有一个组，findall 返回该组的匹配列表。
相比之下，上面作为解决方案给出的模式没有任何捕获组，这就是为什么它们按照您的期望工作:
print(re.findall(r'(?:@|#)\w+', str))
# ['@tweet', '#this', '@foo', '#bar']
print(re.findall(r'[@#]\w+', str))
# ['@tweet', '#this', '@foo', '#bar']
引用资料
附件
关于python - python 中的正则表达式，这可以改进吗？，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/2960969/