python中re.findall()方法的说明

Question

我想去掉一串标点符号，我最终使用了

re.findall(r"[\w]+|[^\s\w]", text)

它工作正常，它确实解决了我的问题。我不明白的是括号内的细节和整个 pattern 的东西。 r"[\w]+|[^\s\w]" 到底是什么意思？我在 Python 标准库中查找了它，它说：

re.findall(pattern, string, flags=0)

返回字符串中所有不重叠的模式匹配，作为一个列表 字符串。从左到右扫描字符串，并返回匹配项 按照找到的顺序。如果模式中存在一个或多个组， 返回组列表；这将是一个元组列表，如果模式 有多个组。结果中包含空匹配项 除非他们触及另一场比赛的开始。

我不确定我是否明白这一点，而且澄清对我来说有点含糊。谁能告诉我这个上下文中的模式是什么意思以及它在 findall() 方法中是如何定义的？

Answer 1

为了分解它，[] 创建了一个character class。你会经常看到[abc] 之类的东西，它会匹配a、b 或c。相反，您也可能会看到[^abc] 将匹配任何不a、b 或c。最后，您还会看到字符范围：[a-cA-C]。这引入了两个范围，它将匹配a、b、c、A、B、C 中的任何一个。

在这种情况下，您的角色类包含特殊标记。 \w 和 \s。 \w 匹配任何类似字母的东西。 \w 实际上取决于您的语言环境，但它通常与 [a-zA-Z0-9_] 匹配范围 a-z、A-Z、0-9 或 _ 中的任何内容相同。 \s 类似，但它匹配任何可以被视为空白的内容。

+ 表示您可以重复上一场比赛 1 次或多次。所以[a]+ 将匹配整个字符串aaaaaaaaaaa。在您的情况下，您正在匹配彼此相邻的字母数字字符。

| 基本上就像“或”。匹配左边的东西，如果左边的东西不匹配，或匹配右边的东西。

Answer 2

\w 表示字母数字字符加“_”。而\s 表示空白字符，包括“\t\r\n\v\f”和空格字符“”。所以，[\w]+|[^\s\w] 表示一个只包含单词和“_”的字符串。