我想在另一个字符串中找到模式 ([A-Z][0-9]+)+ 的子字符串。
一种方法是:
import re
re.findall("([A-Z][0-9]+)+", "asdf A0B52X4 asdf")[0]
奇怪的是,这会产生 'X4',而不是 'A0B52X4',这是我预期的结果。
深入研究一下,我还尝试只匹配字符串组成的简单组:
re.findall("[A-Z][0-9]+", "asdf A0B52X4 asdf")
产生预期结果:['A0', 'B52', 'X4']
更有趣的是:
re.findall("([A-Z][0-9]+){3,}", "asdf A0B52X4 asdf")
这会产生 ['X4'],但似乎仍然匹配我感兴趣的整个字符串,这通过尝试 re.search 并使用手动获取子串的结果:
m = re.search("([A-Z][0-9]+)+", "asdf A0B52X4 asdf")
m.string[m.start():m.end()]
这会产生 'A0B52X4'。
现在,根据我对 python 中正则表达式的了解,括号不仅匹配其中的正则表达式,而且还声明一个“组”,让您可以用它做各种事情。我的理论是,出于某种原因,re.findall 仅将组的最后一个匹配项而不是完整匹配项放入结果字符串中。
为什么 re.findall 会这样?
请您参考如下方法:
这是因为您的匹配组一次只匹配模式的一个实例。 + 只是意味着匹配所有在一行中出现的。它仍然一次只捕获比赛的第一部分。
将正则表达式包裹在一个外部组中,如下所示:
((?:[A-Z][0-9]+)+)
