理解python正则表达式

Question

我们假设我有以下字符串:

out = "someUndefinedGarbageVALUE: 12 34 23 00possiblySomeOtherGarbage"

现在我要解析"12 34 23 00"值.在这种情况下,我执行以下操作:

regex = re.compile('VALUE: (\d\d\s?)*')
matches = regex.findall(out)

但是在这种情况下,我只会得到:

00

当我升级正则表达式时:

regex = re.compile('VALUE: ((\d\d\s?)*)')

我会得到:

12 34 23 00, 00

我的问题:

1)使用http://regexpal.com/我看到第一个表达式很好用.试试自己:

VALUE: (\d\d\s?)*

反对

garbageVALUE: 05 03 04garbage

使用Python它是不同的.我的推理在哪里错了？

2)为什么第二个表达式恰好捕获了两个组？它应该只捕获一个

12 34 23 00

或所有可能的变化？

12, 12\s, 12\s34 ...

我知道这是一个贪婪的搜索,但为什么两个群体被捕？

Answer 1

差异是由re.findall.来自文档:

如果模式中存在一个或多个组,则返回组列表

这就解释了为什么你会得到00:这就是小组(\d\d\s?)最后的匹配.

和:

如果模式有多个组,这将是一个元组列表

((\d\d\s?)*)包含两个组,所以findall返回('12 34 23 00', '00').

你可以finditer改用.

>>> print [match.group() for match in re.finditer('VALUE: (\d\d\s?)*', out)]
['VALUE: 12 34 23 00']