使用 re.finditer 和 re.match 时的不同行为答案

【问题标题】：different behavior when using re.finditer and re.match使用 re.finditer 和 re.match 时的不同行为
【发布时间】：2011-01-10 12:39:13
【问题描述】：

我正在研究一个正则表达式，以通过一些脚本从页面中收集一些值。我在条件中使用re.match 但它返回false 但如果我使用finditer 它返回true 并执行条件主体。我在自己构建的测试器中测试了该正则表达式，它在那里工作，但不是在脚本中。这是示例脚本。

result = []
RE_Add0 = re.compile("\d{5}(?:(?:-| |)\d{4})?", re.IGNORECASE)
each = ''Expiration Date:\n05/31/1996\nBusiness Address: 23901 CALABASAS ROAD #2000 CALABASAS, CA 91302\n'
if RE_Add0.match(each):
    result0 = RE_Add0.match(each).group(0)
    print result0
    if len(result0) < 100:
        result.append(result0)
    else:
        print 'Address ignore'
else:
    None

【问题讨论】：

标签： python regex python-2.5

【解决方案1】：

re.finditer() 即使没有匹配项也会返回一个迭代器对象（因此if RE_Add0.finditer(each) 将始终返回True）。您必须实际迭代对象以查看是否存在实际匹配项。

那么，re.match() 只匹配字符串的开头，而不是字符串中的任何位置，如 re.search() 或 re.finditer() 那样。

第三，正则表达式可以写成r"\d{5}(?:[ -]?\d{4})"。

第四，始终使用带有正则表达式的原始字符串。

【讨论】：

【解决方案2】：

re.match 只匹配字符串的开头一次。 re.finditer 在这方面类似于 re.search，即它是迭代匹配的。比较：

>>> re.match('a', 'abc')
<_sre.SRE_Match object at 0x01057AA0>
>>> re.match('b', 'abc')
>>> re.finditer('a', 'abc')
<callable_iterator object at 0x0106AD30>
>>> re.finditer('b', 'abc')
<callable_iterator object at 0x0106EA10>

ETA：既然你提到了 page，我只能推测你在谈论 html 解析，如果是这样，请使用 BeautifulSoup 或类似的 html 解析器。不要使用正则表达式。

【讨论】：

那么你能帮我如何执行这个脚本吗？我坚持了最后 6 个小时。没有找到解决方案:-(不幸的是我不是一个好的程序员:-(

【解决方案3】：

试试这个：

import re

postalCode = re.compile(r'((\d{5})([ -])?(\d{4})?(\s*))$')
primaryGroup = lambda x: x[1]

sampleStr = """
    Expiration Date:
    05/31/1996
    Business Address: 23901 CALABASAS ROAD #2000 CALABASAS, CA 91302  
"""
result = []

matches = list(re.findall(postalCode, sampleStr))
if matches:
    for n,match in enumerate(matches): 
        pc = primaryGroup(match)
        print pc
        result.append(pc)
else:
    print "No postal code found in this string"

这会在任何一个上返回“12345”

12345\n
12345  \n
12345 6789\n
12345 6789    \n
12345 \n
12345     \n
12345-6789\n
12345-6789    \n
12345-\n
12345-    \n
123456789\n
123456789    \n
12345\n
12345    \n

我只在行尾匹配，否则在您的示例中它也匹配“23901”（来自街道地址）。

【讨论】：