python re模块中的'[ab]+'是否等于'(a|b)+'？答案

【问题标题】：Does '[ab]+' equal '(a|b)+' in python re module?python re模块中的'[ab]+'是否等于'(a|b)+'？
【发布时间】：2012-09-02 22:15:48
【问题描述】：

我认为 pat1 = '[ab]' 和 pat2 = 'a|b' 在 Python(python2.7, windows) 're' 模块中作为正则表达式模式具有相同的功能。但是我对'[ab]+'和'(a|b)+'感到困惑，它们是否具有相同的功能，如果没有，您可以详细说明一下。

'''
Created on 2012-9-4

@author: melo
'''

import re
pat1 = '(a|b)+'
pat2 = '[ab]+'
text = '22ababbbaa33aaa44b55bb66abaa77babab88'

m1 = re.search(pat1, text)
m2 = re.search(pat2, text)
print 'search with pat1:', m1.group()
print 'search with pat2:', m2.group()

m11 = re.split(pat1, text)
m22 = re.split(pat2, text)
print 'split with pat1:', m11
print 'split with pat2:', m22

m111 = re.findall(pat1, text)
m222 = re.findall(pat2, text)
print 'findall with pat1:', m111
print 'findall with pat2:', m222

输出如下：

search with pat1: ababbbaa
search with pat2: ababbbaa
split with pat1: ['22', 'a', '33', 'a', '44', 'b', '55', 'b', '66', 'a', '77', 'b', '88']
split with pat2: ['22', '33', '44', '55', '66', '77', '88']
findall with pat1: ['a', 'a', 'b', 'b', 'a', 'b']
findall with pat2: ['ababbbaa', 'aaa', 'b', 'bb', 'abaa', 'babab']

为什么 'pat1' 和 'pat2' 不同，它们有什么区别？ 'pat1' 实际可以匹配什么样的字符串？

【问题讨论】：

我可以在 Mac OS X 10.7.4 上使用 Python 2.7.1 确认该行为。我无法立即解释这种行为。
如果您将pat1 更改为((a|b)+) 然后重新运行测试，您会得到完全不同的输出。这与 () 在正则表达式中分组/捕获运算符有关。但我不完全确定是什么——而且我感觉有点懒，这就是为什么这是评论而不是答案。
@JonathanLeffler 是的，如果您将pat2 更改为'([ab]+)'，您将获得相同的输出。那么谁能解释()的行为呢？
@user1477871 我认为你的意思是你会得到与([ab])+ 相同的输出，而不是([ab]+)。有一个重要的区别。
@Wiseguy 是的，没错，你是对的。

标签： python regex python-2.7

【解决方案1】：

您在第一个模式中有一个捕获组。

根据the docs，

re.split()
... 如果在 pattern 中使用了捕获括号，那么模式中所有组的文本也会作为结果列表的一部分返回。 ...

尝试让组不被捕获，看看你是否得到了你期望的结果：

pat1 = '(?:a|b)+'

【讨论】：

此外，对于重复组，仅返回最后一次捕获。
与re.findall() 有另一个区别：如果没有捕获组，则返回整个匹配项。否则，只返回捕获组的内容。