为什么 re.findall() 找到的匹配项比 re.sub() 多？

Question

考虑以下几点：

>>> import re
>>> a = "first:second"
>>> re.findall("[^:]*", a)
['first', '', 'second', '']
>>> re.sub("[^:]*", r"(\g<0>)", a)
'(first):(second)'

re.sub() 的行为最初更有意义，但我也可以理解re.findall() 的行为。毕竟，您可以匹配 first 和 : 之间仅包含非冒号字符（恰好为零）的空字符串，但为什么 re.sub() 的行为方式不同？

最后一个命令的结果不应该是(first)():(second)()吗？

Answer 1

您使用允许空匹配的 *：

'first'   -> matched
':'       -> not in the character class but, as the pattern can be empty due 
             to the *, an empty string is matched -->''
'second'  -> matched
'$'       -> can contain an empty string before,
             an empty string is matched -->''

引用documentation for re.findall()：

空匹配包含在结果中，除非它们触及另一个匹配的开头。

documentation for re.sub() 中解释了您在子结果中看不到空匹配项的原因：

模式的空匹配仅在与前一个匹配不相邻时被替换。

试试这个：

re.sub('(?:Choucroute garnie)*', '#', 'ornithorynque') 

现在是这样的：

print re.sub('(?:nithorynque)*', '#', 'ornithorynque')

没有连续的#

Answer 2

出于某种原因，处理空匹配的算法有所不同。

在findall 的情况下，它的工作方式（优化版本）如下：对于每个可能的起始索引 0 ['first', '', 'second', ''] 的原因是在first 和second 之后立即找到空匹配项，而不是在冒号之后——因为从该位置开始查找匹配项会返回完整字符串second。

在sub 的情况下，正如您所注意到的，不同之处在于它明确忽略了在另一个匹配之后立即出现的长度为 0 的匹配。虽然我明白为什么这可能有助于避免 sub 的意外行为，但我不确定为什么会有这种差异（例如，为什么 findall 不使用相同的规则）。

Answer 3

import re
a = "first:second:three"
print re.findall("[^:]*", a)

返回所有匹配模式的子字符串，在这里，它给出了

>>> 
['first', '', 'second', '', 'three', '']

sub() 用于替换，并将用您的替换替换最左边不重叠的模式出现。前

import re
a = "first:second:three"
print re.sub("[^:]*", r"smile", a)

给了

>>> 
smile:smile:smile

您可以命令将出现的次数替换为第四个参数，count：