python - 为什么正则表达式 findall 返回一个奇怪的\x00

Question

我使用正则表达式来构建行(字符串)上存在的所有键值对的列表。 我的 key 对语法尊重/匹配以下正则表达式:

 re.compile("\((.*?),(.*?)\)")

通常我必须解析如下字符串:

(hex, 0x123456)

如果我使用解释器就可以了

str = "(hex,0x123456)"
>>> KeyPair = re.findall(MyRegex, str)
>>> KeyPair
[('hex', '0x123456')]

但是当我在 linux 下使用该代码解析命令行输出时，我得到:

[('hex', '0x123456\x00')]

它来自下面的代码

 KeyPayList = []
 # some code ....
 process = subprocess.Popen(self.cmd_line, stdout=subprocess.PIPE, stderr=subprocess.PIPE, shell=False, stdin=subprocess.PIPE)
 # here we parse the output
 for line in process.stdout:
     if line.startswith(lineStartWith):
         KeyPair = re.findall(MyRegex, line.strip())
         KeyPayList.append(KeyPair)

你知道为什么我在捕获的第二组中得到那个奇怪的 \x00 吗？ 请注意，我已经尝试在调用 findall 之前剥离字符串。

Answer 1

这是一个空字节，它存在于您的原始字符串中。你可能没有看到它，因为当你打印字符串时你的终端会忽略它:

>>> s = "(hex,0x123456\x00)"
>>> print s
(hex,0x123456)

用于容器内容(例如您在此处打印的元组的内容)的 Python repr() 函数确实显示了它:

>>> print repr(s)
'(hex,0x123456\x00)'

您的正则表达式只是返回该空字节，因为它存在于您的原始字符串中:

>>> import re
>>> s = "(hex,0x123456\x00)"
>>> yourpattern = re.compile("\((.*?),(.*?)\)")
>>> yourpattern.search(s).groups()
('hex', '0x123456\x00')

如果您要删除它，正则表达式引擎也不会返回它:

>>> yourpattern.search(s.replace('\x00', '')).groups()
('hex', '0x123456')