python re模块findall()详解

import re

string="abcdefg  acbdgef  abcdgfe  cadbgfe"

#带括号与不带括号的区别
#不带括号
regex=re.compile("((\w+)\s+\w+)")
print(regex.findall(string))
#输出：[('abcdefg  acbdgef', 'abcdefg'), ('abcdgfe  cadbgfe', 'abcdgfe')]

regex1=re.compile("(\w+)\s+\w+")
print(regex1.findall(string))
#输出：['abcdefg', 'abcdgfe']

regex2=re.compile("\w+\s+\w+")
print(regex2.findall(string))
#输出：['abcdefg  acbdgef', 'abcdgfe  cadbgfe']

第一个 regex 中是带有2个括号的，我们可以看到其输出是一个list 中包含2个 tuple 

第二个 regex 中带有1个括号，其输出的内容就是括号匹配到的内容，而不是整个表达式所匹配到的结果。

第三个 regex 中不带有括号,其输出的内容就是整个表达式所匹配到的内容。

 

结论：findall()返回的是括号所匹配到的结果（如regex1），多个括号就会返回多个括号分别匹配到的结果（如regex），如果没有括号就返回就返回整条语句所匹配到的结果(如regex2)。所以在提取数据的时候就需要注意这个坑。

实际上是由其并不是python特有的，这是 正则 所特有的 ， 任何一门高级语言使用正则都满足这个特点：有括号时只能匹配到括号中的内容，没有括号【相当于在最外层增加了一个括号】。在正则里面 “（）” 代表的是分组的意思，一个括号代表一个分组，你只能匹配到"()"中的内容

===================================================================================================================

1.先说一下findall()函数的两种表示形式

import re
kk = re.compile(r'\d+')
kk.findall('one1two2three3four4')
#[1,2,3,4]
 
#注意此处findall()的用法，可传两个参数;
kk = re.compile(r'\d+')
re.findall(kk,"one123")
#[1,2,3]

2. 正则表达式可能遇到的坑  --- 正则表达式中有括号()

1. 正则表达式中当没有括号时，就是正常匹配，在本例中"/w+/s+/w+"第一次匹配到的字符为"2345  3456",由于是贪婪模式会     继续匹配,第二次从"4567"开始匹配匹配到的结果为字符串"4567 5678"

import re
string="2345  3456  4567  5678"
regex=re.compile("\w+\s+\w+")
print(regex.findall(string))
#['2345 3456', '4567 5678']

首先的知道各个字符所表达的含义，这里只说一下/s 和 /S
\s -- 匹配任何不可见字符，包括空格、制表符、换页符等等 
\S -- 匹配任何可见字符   通常[/s/S] -- 可匹配任意字符
[\s\S]*? -- 匹配懒惰模式的任意字符

2. 正则表达式中有一个括号时,其输出的内容就是括号匹配到的内容，而不是整个表达式所匹配到的结果,但是整个正则表达式执行了只不过只输出括号匹配到的内容, 在第一次匹配时跟上述没有括号时一样，匹配到 "2345  3456" ,只不过只输出(/w+)匹配     到的结果 即"2345",第二次匹配同理从"4567" 开始，匹配到"4567  5678",但是还是只是输出"4567"

import re
string="2345  3456  4567  5678"
regex=re.compile("(\w+)\s+\w+")
print(regex.findall(string))
#['2345','4567']

3. 当正则表达式中有两个括号时，其输出是一个list 中包含2个 tuple,从输出的结果可以看出，有两个元组，每一个元组中有两个字符串 : 其中第一个字符串"2345 3456"是最外面的括号输出的结果，第二个是里面括号(/w+)输出的结果 "2345", 第二个元组是  第二次匹配的结果 -- 详解同第一次匹配。

import re
string="2345  3456  4567  5678"
regex=re.compile("((\w+)\s+\w+)")
print(regex.findall(string))
#[('2345  3456', '2345'), ('4567  5678', '4567')]