python re.findall 返回一个元组列表（需要字符串）答案

【问题标题】：python re.findall returns a list of tuples (strings are expected)python re.findall 返回一个元组列表（需要字符串）
【发布时间】：2019-10-03 14:21:01
【问题描述】：

re.findall 返回包含预期字符串和意外字符串的元组列表。

我正在执行函数findtags(text) 以在给定段落text 中查找tags。当我调用re.findall(tags, text) 在文本中查找定义的标签时，它返回一个元组列表。列表中的每个元组都包含我希望它返回的字符串。

函数findtags(text)如下：

import re

def findtags(text):
    parms = '(\w+\s*=\s*"[^"]*"\s*)*'
    tags = '(<\s*\w+\s*' + parms + '\s*/?>)'
    print(re.findall(tags, text))
    return re.findall(tags, text)

testtext1 = """
My favorite website in the world is probably 
<a href="www.udacity.com">Udacity</a>. If you want 
that link to open in a <b>new tab</b> by default, you should
write <a href="www.udacity.com"target="_blank">Udacity</a>
instead!
"""

findtags(testtext1)

预期结果是

['<a href="www.udacity.com">', 
 '<b>', 
 '<a href="www.udacity.com"target="_blank">']

实际结果是

[('<a href="www.udacity.com">', 'href="www.udacity.com"'), 
 ('<b>', ''), 
 ('<a href="www.udacity.com"target="_blank">', 'target="_blank"')]

【问题讨论】：

标签： python regex python-3.x

【解决方案1】：

re.findall 返回一个元组，因为您有两个捕获组，只需使用 ?: 使 params 组不捕获一个即可：

import re

def findtags(text):
    # make this non capturing group
    parms = '(?:\w+\s*=\s*"[^"]*"\s*)*'
    tags = '(<\s*\w+\s*' + parms + '\s*/?>)'
    print(re.findall(tags, text))
    return re.findall(tags, text)

testtext1 = """
My favorite website in the world is probably 
<a href="www.udacity.com">Udacity</a>. If you want 
that link to open in a <b>new tab</b> by default, you should
write <a href="www.udacity.com"target="_blank">Udacity</a>
instead!
"""

findtags(testtext1)

输出：

['<a href="www.udacity.com">', '<b>', '<a href="www.udacity.com"target="_blank">']

另一个原因是如果没有捕获组re.findall 将返回匹配的文本：

# non capturing group
parms = '(?:\w+\s*=\s*"[^"]*"\s*)*'
# no group at all
tags = '<\s*\w+\s*' + parms + '\s*/?>'

【讨论】：

【解决方案2】：

根据the docs for re.findall：

如果模式中存在一个或多个组，返回组列表；如果模式有多个组，这将是一个元组列表。结果中包含空匹配项。

在您的情况下，parms = '(\w+\s*=\s*"[^"]*"\s*)*' 中括号中的内容是重复的组，因此返回可能为空字符串的元组列表。

【讨论】：

【解决方案3】：

看起来您不想返回内部捕获组匹配项，因此改为将其设为非捕获组。

parms = '(?:\w+\s*=\s*"[^"]*"\s*)*'

【讨论】：