爲什麼re.findall（'（ab）+'，'abab'）返回['ab'] =與此同時re.findall（'（ab）+？'，'abab'）返回['ab'，'ab' ]？

Question

我的Python版本是2.7.6

我知道+?是+的非貪婪版本。
，以便re.findall('(ab)+?', 'abab')儘可能少地匹配ab。
結果['ab', 'ab']因此是有意義的。

但是當談到貪婪版本匹配re.findall('(ab)+', 'abab')時，它讓我困惑。
我認爲貪婪的版本應該儘可能匹配ab。
因此我得到['abab']。
但我得到了['ab']！

在re.findall（）的幫助信息，它說：

Return a list of all non-overlapping matches in the string. 
If one or more groups are present in the pattern, return a 
list of groups; this will be a list of tuples if the pattern 
has more than one group. 

Empty matches are included in the result. 

這裏我有兩個組，爲整個RE默認group0，我指定(ab)爲group1。

所以我做了如下調查：

In [21]: ng = re.search('(ab)+?', 'abab') 

In [22]: g = re.search('(ab)+', 'abab') 

In [23]: ng.group(0) 
Out[23]: 'ab' 

In [24]: ng.group(1) 
Out[24]: 'ab' 

In [25]: g.group(0) 
Out[25]: 'abab' 

In [26]: g.group(1) 
Out[26]: 'ab' 

這是毋庸置疑的，re模塊將匹配'abab'爲GROUP0和'ab'作爲組1的貪婪搜索。
但是爲什麼我在findall()操作時得到了['ab']而不是['abab', 'ab']？
因爲'abab'包含ab所以它們重疊，並且findall()只返回在這種情況下的最後一場比賽？

帶着這樣的疑問，我做了如下試驗：

In [30]: g = re.findall('[A-z](ab)+', 'ababdab') 

In [31]: g 
Out[31]: ['ab', 'ab'] 

In [32]: dg = re.search('[A-z](ab)+', 'ababdab') 

In [33]: dg.groups() 
Out[33]: ('ab',) 

In [34]: dg.group() 
Out[34]: 'bab' 

現在，我現在是完全出我的腦海。
findall如何在這裏工作？
爲什麼？

Answer 1

findall工作就像它應該工作：

1. 它給所有的字符串中到結果列表中的比賽，如果沒有捕捉組。
2. 如果有一個捕獲組，它將只返回一個捕獲組列表。
3. 如果有多個捕獲組，則返回一個元組列表，其中一個元組包含一個匹配的捕獲組。

接下來，只要有組的重複，MatchObject就會返回上次捕獲的組。它在docs提到：

如果一組多次匹配，只有最後一場比賽是可訪問：

>>> 
>>> m = re.match(r"(..)+", "a1b2c3") # Matches 3 times. 
>>> m.group(1)      # Returns only the last match. 
'c3' 

所以，兩種現象的組合給您所遇到的結果。

Answer 2

請看：

In [13]: re.findall('(ab)', 'ababab') 
Out[13]: ['ab', 'ab', 'ab'] 

In [14]: re.findall('(ab)+?', 'ababab') 
Out[14]: ['ab', 'ab', 'ab'] 

In [15]: re.findall('(ab)+', 'ababab') 
Out[15]: ['ab'] 

In[13]相當於In[14]。兩種模式都將匹配每個ab組。然而，In[15]將匹配所有ab連續重複，無論其數量。

[A-z](ab)+模式意味着您想要以字母[A-z]開頭的所有ab連續重複。在ababdab中匹配它的第一個組爲bab：它以[0121]來自b，它位於[A-z]中，然後有一個以下ab組，結束於d，它開始下一個匹配組。

In [20]: re.findall('[A-z](ab)+', 'XababXabXab') 
Out[20]: ['ab', 'ab', 'ab'] 

Answer 3

這裏有一個微妙之處 - 在傑裏的答案中提到，但沒有明確說明。

您預計re.findall('(ab)+', 'abab')給大家介紹一下都隱含什麼，整個正則表達式匹配，和「組1」括號「組0」。 這不是它的工作原理。如果有捕獲圓括號，findall的列表只有包含捕獲圓括號的組。觀察：

>>> re.findall('(?:ab)+', 'abab') # no capture, reports group 0 
['abab'] 
>>> re.findall('(ab)+', 'abab') # one capture, reports _only_ group 1 
['ab'] 
>>> re.findall('((ab)+)', 'abab') # two captures, reports both groups 1 and 2 
[('abab', 'ab')]     # (but still not group 0) 

有關這方面的文檔可能會更清晰。它假定你明白「組0」並不真正算作一個組。但是，這是RE圖書館數十年來的工作方式。