re.findall() 可以只返回括号中正则表达式的一部分吗？答案

【问题标题】：Can re.findall() return only the part of the regex in parens?re.findall() 可以只返回括号中正则表达式的一部分吗？
【发布时间】：2015-05-29 12:21:13
【问题描述】：

循环遍历一些数据，我想捕获显示为页面 ID 的数字字符串（每行不止一个。）但是，我只想将数字字符串匹配为特定 URL 的一部分，但我不想想记录网址，只是数字。

URL 是相对的，具有可变长度的数字字符串，格式为

/view/123456.htm

这里要返回的数据是'123456'

我目前正在使用 re.findall 来识别正确的 URL，然后使用 re.sub 来提取数字字符串。

views = re.findall(r"/view/\d*?.htm", line)
for view in views:
    view = re.sub(r"/view/(\d+).htm", r"\1", view)
    pagelist.append(view)

有没有办法做类似的事情

views = re.findall(r"/view/(\d*?).htm", r"\1", line)   #I know this doesn't work

原来的 findall() 只返回括号中的匹配部分？

【问题讨论】：

【解决方案1】：

re.findall() 可以只返回括号中正则表达式的一部分吗？

它不仅可以，而且可以：

>>> import re
>>> re.findall(r"/view/(\d*?).htm", "/view/123.htm /view/456.htm")
['123', '456']

你没试过吗？ The documentation 也有描述。

【讨论】：

【解决方案2】：

您可以使用a lookbehind and a lookahead assertion 使 findall 只返回数字。例如：

>>> re.findall(r"(?<=/view/)\d*?(?=\.htm)", "/view/123.htm /view/456.htm")
['123', '456']

这类断言可用于定义匹配前后的内容 - 无需将它们包含在实际匹配中。

更新：请检查Stefan Pochmann's answer，如果您只使用单个捕获组，findall() 将完全按照您的要求行事。

【讨论】：

实际上，如果有任何组，则只返回一个包含其内容的列表是 findall 所做的。
@StefanPochmann LOL :D 这很有趣！特别是因为我在发布之前真的阅读了文档！我担心多个捕获组，但在这种情况下只有一个。
是的，如果有几个组，那么希望因为他们是需要的，然后它也能正常工作。顺便说一句，起初我也认为它没有这样做，但可能只是因为这个问题的暗示力量:-)
if there were several groups, then hopefully because they're wanted - 好点！感谢您启发我们！ :)