了解 Python 中的“re.search()”行为

Question

这是我用来从字母数字字符串中拆分字母和数字的python代码：

input_string = 'abcdefghijklmnopqrstuvwxyz1234567890'
import re
print re.search('[a-z]*', input_string).group()
print re.search('[0-9]*', input_string).group()

在输出中，我得到的是字母串，但没有得到数字串。如果我修改代码如下输出显示数字：

print re.search('[0-9]*$', input_string).group()

我习惯了grep，发现它的功能类似于re模块，如果我在shell中运行以下命令，我会得到想要的结果：

echo "abcdefghijklmnopqrstuvwxyz1234567890" | grep "[0-9]*"

我错过了什么吗？

Answer 1

在输出中，我得到了字母串，但没有得到 一串数字。

我刚刚也检查了 ruby​​ 和 perl，它们产生了相同的结果。

digit pattern 匹配：

1. 第一个字符和第二个字符之间的零宽度点。
2. 第二个字符和第三个字符之间的零宽度点。
3. 等
4. 字符串末尾的数字序列。

但是，re.search() 只返回第一个匹配项。

小写letter pattern匹配：

1. 字符串开头的字母序列。
2. 1 和 2 之间的零宽度点。
3. 2 和 3 之间的零宽度点。
4. 等

如果我在 shell 中运行以下命令，我会得到想要的结果：

echo "abcdefghijklmnopqrstuvwxyz1234567890" | grep "[0-9]*"

在 bash shell 中，我得到：

$ echo "abcdefghijklmnopqrstuvwxyz1234567890" | grep "[0-9]*"
abcdefghijk

我使用 echo、grep 和其他模式得到了类似的奇怪结果。

对评论的回应：

$ bash --version
GNU bash, version 3.2.48(1)-release (x86_64-apple-darwin10.0)
Copyright (C) 2007 Free Software Foundation, Inc.

$ echo "abc123" | grep -o "[a-z]*"
abc
$ echo "abc123" | grep -o "[0-9]*"
$ echo "abc123" | grep -o "[0-9]*$"
123
$ 

Answer 2

我建议你使用re.findall 函数（为了进行全局匹配）而不是re.search，因为re.search 将只返回第一个匹配项。

>>> input_string = 'abcdefghijklmnopqrstuvwxyz1234567890'
>>> print re.findall(r'\d+|[a-z]+', input_string)
['abcdefghijklmnopqrstuvwxyz', '1234567890']

也不要使用[a-z]*，它也会返回空字符串。 * 将重复前一个令牌零次或多次，而+ 将重复前一个令牌一次或多次。

>>> print re.search(r'\d+', input_string).group()
1234567890
>>> print re.search(r'[a-z]+', input_string).group()
abcdefghijklmnopqrstuvwxyz

为什么第一个在第二个失败的情况下工作？

>>> print re.search('[a-z]*', input_string).group()
abcdefghijklmnopqrstuvwxyz
>>> print re.search('[0-9]*', input_string).group()

>>>

* 重复前一个标记零次或多次，即，它将匹配每个不匹配字符之前存在的空字符串。首先[a-z]* 返回abcdefghijklmnopqrstuvwxyz，因为该子字符串位于开头。如果输入类似于8abcdefghijklmnopqrstuvwxyz，它将返回一个空字符串。这种行为是因为re.search 函数，它在找到第一个匹配项后停止。这里8 与上面的正则表达式不匹配，所以正如我所说，[a-z]* 正则表达式将匹配8 之前存在的空字符串。

正则表达式 = [0-9]*, 字符串 = "abcdefghijklmnopqrstuvwxyz1234567890"

re.search 在找到第一个匹配项后停止。这里a 与[0-9] 不匹配，但[0-9]* 匹配a 之前存在的空字符串，因为* 将重复前一个令牌零 次或更多次。这就是为什么你在第二种情况下得到一个空字符串作为输出。

>>> print re.search('[0-9]*$', input_string).group()
1234567890

由于我们添加了行尾锚，它会在行尾搜索零个或多个数字。如果最后找不到更多数字，它将返回一个空字符串作为匹配项。

>>> print re.search('[0-9]*$', '12foo').group()

>>>