python中正则表达式的重复答案

【问题标题】：repetition in regular expression in pythonpython中正则表达式的重复
【发布时间】：2016-12-29 12:51:10
【问题描述】：

我有一个文件，例如：

aaa$bb$ccc$ddd$eee
fff$ggg$hh$iii$jj

我需要取出 $$ 里面的东西，所以预期的结果是：

 $bb$
 $ddd$
 $ggg$
 $iii$

我的结果：

$bb$
$ggg$

我的解决方案：

m = re.search(r'$(.*?)$', line)
    if m is not None:
        print m.group(0)

任何想法如何改进我的正则表达式？我正在尝试使用 * 和 + 符号，但我不确定如何最终创建它。我正在寻找类似的帖子，但找不到它:(

【问题讨论】：

技术上ccc 和hh 也在$ 的内部。你也想要这些吗？
使用.findall 而不是.search
好问题，不，我不想要 ccc 和 hh
我想知道我的评论去了哪里。我认为这个问题与stackoverflow.com/questions/19918169/… 不完全相同，因为仅在当前表达式中使用re.findall 不会导致预期的行为。

【解决方案1】：

您可以将re.findall 与r'\$[^$]+\$' 正则表达式一起使用：

import re
line = """aaa$bb$ccc$ddd$eee
fff$ggg$hh$iii$jj"""
m = re.findall(r'\$[^$]+\$', line)
print(m)
# => ['$bb$', '$ddd$', '$ggg$', '$iii$']

请注意，您需要转义 $s 并删除 re.findall 的捕获组以返回 $...$ 子字符串，而不仅仅是 $s 中的内容。

模式详情：

注意：[^$] 是一个否定字符类，它匹配除类中定义的字符之外的任何字符。在此处使用否定字符类可以加快匹配速度，因为 .*? 惰性点模式会在字符串中两个 $s 之间的每个位置展开，因此需要更多步骤来完成并返回匹配项。

还有一种模式的变体，只获取 $...$ s 中的文本：

re.findall(r'\$([^$]+)\$', line) 
               ^     ^

见another Python demo。请注意添加了(...) 捕获组，以便re.findall 只能返回捕获的，而不是匹配的。

【讨论】：

【解决方案2】：

你的正则表达式很好。 re.search 只找到一行中的第一个匹配项。您正在寻找re.findall，它会找到所有不重叠的匹配项。最后一点对你很重要，因为你有相同的开始和结束分隔符。

for m in m = re.findall(r'$(.*?)$', line):
    if m is not None:
        print m.group(0)

【讨论】：

【解决方案3】：

re.search 只找到第一个匹配项。也许你想要re.findall，它返回字符串列表，或者re.finditer，它返回匹配对象的迭代器。此外，您必须将$ 转义为\$，因为未转义的$ 表示“行尾”。

例子：

>>> re.findall(r'\$.*?\$', 'aaa$bb$ccc$ddd$eee')
['$bb$', '$ddd$']
>>> re.findall(r'\$(.*?)\$', 'aaa$bb$ccc$ddd$eee')
['bb', 'ddd']

另一个改进是使用[^$]* 代替.*?；前者的意思是“除$ 之外的零个或多个字符；这可以潜在地避免更多的病态回溯行为。

【讨论】：