关于 Python 正则表达式和 findall() 的说明

Question

我在处理Python Challenge 时遇到了这个问题。准确地说是10号。我决定尝试使用正则表达式来解决它 - 提取重复序列，计算它们的长度，然后构建序列中的下一个项目。

所以我开发的正则表达式是：'(\d)\1*'

它在在线regex tester 上运行良好，但在我的脚本中使用它时，它并没有执行相同的操作：

regex = re.compile('(\d)\1*')
text = '111122223333'
re.findall(regex, text)

> ['1', '1', '1', '1', '2', '2', '2',...]

等等等等。所以我在 Python 的 re 模块中了解了原始类型。这是我的第一个问题：有人可以解释一下这到底是做什么的吗？该文档将其描述为减少了转义反斜杠的需要，但对于更简单的正则表达式（例如\d+）似乎不需要它，我不明白为什么。

所以我将我的正则表达式更改为r'(\d)\1*'，现在尝试使用findall() 来制作序列列表。我得到了

> ['1', '2', '3']

又是一头雾水。我还是不明白这一点。请帮忙？

我决定这样做是为了解决这个问题：

[m.group() for m in regex.finditer(text)]
> ['1111', '2222', '3333']

然后得到我一直在寻找的东西。然后，基于this 线程，我尝试将findall() 添加一个组到整个正则表达式-> r'((\d)\2*)'。 我最终得到：

> [('1111', '1'), ('2222', '2'), ('3333', '3')]

在这一点上，我很困惑。我知道这个结果与多个组有关，但我不确定。

另外，这是我第一次发帖，如果我的礼仪不正确，我深表歉意。请随时纠正我。谢谢！

Answer 1

由于这是一个挑战，我不会给你一个完整的答案。但是，您走在正确的轨道上。

finditer 方法返回MatchObject instances。您想查看这些上的.group() method 并仔细阅读文档。想想那里的.group(0) 和.group(1) 有什么区别；普通的.group() 与.group(0) 相同。

至于\d转义字符；因为特定的转义组合作为 Python 字符串转义字符没有任何意义，Python 会忽略它并将其保留为反斜杠和字母 d。使用r'' 文字字符串格式确实会更好，因为当您确实想要使用正则表达式字符集时，它可以防止令人讨厌的意外，而该字符集恰好也是python可以识别的转义序列.请参阅python documentation on string literals for more information。

您的 .findall() 和 r'((\d)\2*)' 表达式在每个匹配项中返回 2 个元素，因为您的模式中有 2 个组；外部的整个组匹配(\d)\2*，内部组匹配\d。来自.findall() documentation：

如果模式中存在一个或多个组，则返回组列表；如果模式有多个组，这将是一个元组列表。