re.findall()方法及re.compile()

• re.findall()在字符串中找到正則表達式所匹配的所有子串，并返回一個列表；如果沒有找到匹配的，則返回空列表。

返回結果是列表類型，需要遍歷一下才能依次獲取每組內容。

findall(patern, string, flags=0)

• pattern : 正則中的模式字符串。
• string : 要被查找替換的原始字符串。
• flags : 標志位，用于控制正則表達式的匹配方式，如：是否區分大小寫，多行匹配等等。

1.例子

import re?
content = 'Hello 123456789 Word_This is just a test 666 Test'
results = re.findall('\d+', content) ? ?
?
print(results)
for result in results:
? ? print(result)

結果：

['123456789', '666']
123456789
666
?
Process finished with exit code 0

注意利用re.findall()函數沒有group()和groups()，因為其返回結果是一個列表。

2.re.compile()方法

• re.compile()方法可以將正則字符串編譯成正則表達式對象，以便在后面的匹配中復用。

re.compile(pattern[, flags])

re.compile()中可以傳入忽略換行等匹配模式，這樣在search()、findall()方法中就不需要額外傳入了。

因此，re.findall()方法有2種表達方式：

import re
?
content = 'one1two22three333four4444'
pattern = re.compile(r'\d+')
print('===方法1：===')
result1 = re.findall(pattern, content)
print(result1)
?
print('===方法2===')
result2 = pattern.findall(content)
print(result2)

結果：

===方法1：===
['1', '22', '333', '4444']
===方法2===
['1', '22', '333', '4444']
?
Process finished with exit code 0

3.在使用findall()方法時的“坑”

注意正則表達式中括號()的使用

（1）正則表達式中當沒有括號時，正常匹配：

import re?
?
str1 = '2345 ?3456 ?4567 ?5678 ?6789'
pattern_1 = re.compile('\w+\s+\w+') # \w 表示匹配包括下劃線的任何單詞字符，等價于[A-Za-z0-9_]
print(pattern_1.findall(str1))

結果：

['2345 ?3456', '4567 ?5678']
?
Process finished with exit code 0

（2）正則表達式中有一個括號時，其輸出的內容就是括號匹配到的內容，而不是整個表達式所匹配到的結果：

import re
?
str1 = '2345 ?3456 ?4567 ?5678 ?6789'
pattern_1 = re.compile('(\w+)\s+\w+') # \w 表示匹配包括下劃線的任何單詞字符，等價于[A-Za-z0-9_]
print(pattern_1.findall(str1))

結果：

['2345', '4567']
?
Process finished with exit code 0

整個正則表達式執行了，只不過只輸出括號匹配到的內容，即輸出的是第一個 (\w+) 匹配到的內容：

在第一次匹配時跟上述沒有括號時一樣，匹配到"2345 3456"，只不過只輸出(/w+)匹配到的結果 即"2345"；

第二次匹配同理，從"4567" 開始，匹配到"4567 ?5678"，但是還是只是輸出(/w+)匹配到的結果 即"4567"。

（3）當正則表達式中有兩個括號時，其輸出是一個list 中包含2個 tuple：

import re
?
str1 = '2345 ?3456 ?4567 ?5678 ?6789'
pattern_1 = re.compile('((\w+)\s+\w+)') # \w 表示匹配包括下劃線的任何單詞字符，等價于[A-Za-z0-9_]
print(pattern_1.findall(str1))

結果：

[('2345 ?3456', '2345'), ('4567 ?5678', '4567')]
?
Process finished with exit code 0

從輸出的結果可以看出，結果中包含兩個元組，每一個元組中有兩個字符串。

第一個元組是第一次匹配的結果，其中的第一個字符串 "2345 3456" 是正則表達式最外面的括號

• ((\w+)\s+\w+)

匹配輸出的結果；

第一個元組中的第二個字符串 "2345"是正則表達式里面括號

• (\w+)

匹配輸出的結果 ；

第二個元組是第二次匹配的結果，匹配原理與第一次匹配相同。

正則表達式findall函數問題

在寫正則表達式的時候總會遇到不少的問題， 特別是在表達式有多個元組的時候。下面看下re模塊下的findall()函數和多個表達式元組相遇的時候會出現什么樣的坑。

代碼如下： ? ?

import re
str="a b c d"
regex0=re.compile("((\w )\s \w )")
print(regex0.findall(str))
regex1=re.compile("(\w )\s \w ")
print(regex1.findall(str))
regex2=re.compile("\w \s \w ")
print(regex2.findall(str))

結果： ? ?

[('a b', 'a'), ('c d', 'c')]
['a', 'c']
['a b', 'c d']

可能結果有點意外，下面解釋一下

• 第一個正則表達式中是帶有2個括號的，我們可以看到其輸出是一個list 中包含2個 tuple
• 第二個正則表達式中帶有1個括號，其輸出的內容就是括號匹配到的內容，而不是整個表達式所匹配到的結果。
• 第三個正則表達式中不帶有括號,其輸出的內容就是整個表達式所匹配到的內容。

結論：findall()返回的是括號所匹配到的結果（如regex1），多個括號就會返回多個括號分別匹配到的結果（如regex），如果沒有括號就返回就返回整條語句所匹配到的結果(如regex2)。所以在提取數據的時候就需要注意這個坑。

實際上是由其并不是python特有的，這是 正則 所特有的 ， 任何一門高級語言使用正則都滿足這個特點：有括號時只能匹配到括號中的內容，沒有括號【相當于在最外層增加了一個括號】。在正則里面 “（）” 代表的是分組的意思，一個括號代表一個分組，你只能匹配到"()"中的內容