Python正则表达式findall函数详解

写正则表达式总是会遇到很多问题，尤其是当表达式有多个元组的时候。我们来看看re模块下的findall()函数遇到多个表达式元组会出现什么样的坑。

代码如下

import re
str="a b c d"
regex0=re.compile("((\w+)\s+\w+)")
print(regex0.findall(str))
regex1=re.compile("(\w+)\s+\w+")
print(regex1.findall(str))
regex2=re.compile("\w+\s+\w+")
print(regex2.findall(str))

输出结果

[('a b', 'a'), ('c d', 'c')]
['a', 'c']
['a b', 'c d']

可能结果有点意外，下面解释一下

第一个正则表达式中有 2 个括号，我们可以看到输出是一个包含 2 个元组的列表

第二个正则表达式中有一个括号，输出的内容是括号匹配的内容，而不是整个表达式匹配的结果。

第三个正则表达式没有括号，输出的内容就是整个表达式匹配的内容。

结论：findall()返回括号匹配的结果（如regex1），多括号会返回多个括号匹配的结果（如regex），没有括号则返回整条语句匹配的结果结果（例如 regex2）。所以提取数据的时候需要注意这个坑。

其实不是python独有的，是正则独有的，任何高级语言都用正则来满足这个特性：有括号的时候，只能匹配括号里的内容，没有括号的【相当于最外层加括号]。正则表达式中，“()”表示分组，中括号表示分组，只能匹配“()”中的内容。