为什么re.findall（'（ab）+'，'abab'）返回['ab'] =与此同时re.findall（'（ab）+？'，'abab'）返回['ab'，'ab' ]？

Question

我的Python版本是2.7.6

我知道+?是+的非贪婪版本。
，以便re.findall('(ab)+?', 'abab')尽可能少地匹配ab。
结果['ab', 'ab']因此是有意义的。

但是当谈到贪婪版本匹配re.findall('(ab)+', 'abab')时，它让我困惑。
我认为贪婪的版本应该尽可能匹配ab。
因此我得到['abab']。
但我得到了['ab']！

在re.findall（）的帮助信息，它说：

Return a list of all non-overlapping matches in the string. 
If one or more groups are present in the pattern, return a 
list of groups; this will be a list of tuples if the pattern 
has more than one group. 

Empty matches are included in the result. 

这里我有两个组，为整个RE默认group0，我指定(ab)为group1。

所以我做了如下调查：

In [21]: ng = re.search('(ab)+?', 'abab') 

In [22]: g = re.search('(ab)+', 'abab') 

In [23]: ng.group(0) 
Out[23]: 'ab' 

In [24]: ng.group(1) 
Out[24]: 'ab' 

In [25]: g.group(0) 
Out[25]: 'abab' 

In [26]: g.group(1) 
Out[26]: 'ab' 

这是毋庸置疑的，re模块将匹配'abab'为GROUP0和'ab'作为组1的贪婪搜索。
但是为什么我在findall()操作时得到了['ab']而不是['abab', 'ab']？
因为'abab'包含ab所以它们重叠，并且findall()只返回在这种情况下的最后一场比赛？

带着这样的疑问，我做了如下试验：

In [30]: g = re.findall('[A-z](ab)+', 'ababdab') 

In [31]: g 
Out[31]: ['ab', 'ab'] 

In [32]: dg = re.search('[A-z](ab)+', 'ababdab') 

In [33]: dg.groups() 
Out[33]: ('ab',) 

In [34]: dg.group() 
Out[34]: 'bab' 

现在，我现在是完全出我的脑海。
findall如何在这里工作？
为什么？

Answer 1

findall工作就像它应该工作：

1. 它给所有的字符串中到结果列表中的比赛，如果没有捕捉组。
2. 如果有一个捕获组，它将只返回一个捕获组列表。
3. 如果有多个捕获组，则返回一个元组列表，其中一个元组包含一个匹配的捕获组。

接下来，只要有组的重复，MatchObject就会返回上次捕获的组。它在docs提到：

如果一组多次匹配，只有最后一场比赛是可访问：

>>> 
>>> m = re.match(r"(..)+", "a1b2c3") # Matches 3 times. 
>>> m.group(1)      # Returns only the last match. 
'c3' 

所以，两种现象的组合给您所遇到的结果。

Answer 2

请看：

In [13]: re.findall('(ab)', 'ababab') 
Out[13]: ['ab', 'ab', 'ab'] 

In [14]: re.findall('(ab)+?', 'ababab') 
Out[14]: ['ab', 'ab', 'ab'] 

In [15]: re.findall('(ab)+', 'ababab') 
Out[15]: ['ab'] 

In[13]相当于In[14]。两种模式都将匹配每个ab组。然而，In[15]将匹配所有ab连续重复，无论其数量。

[A-z](ab)+模式意味着您想要以字母[A-z]开头的所有ab连续重复。在ababdab中匹配它的第一个组为bab：它以[0121]来自b，它位于[A-z]中，然后有一个以下ab组，结束于d，它开始下一个匹配组。

In [20]: re.findall('[A-z](ab)+', 'XababXabXab') 
Out[20]: ['ab', 'ab', 'ab'] 

Answer 3

这里有一个微妙之处 - 在杰里的答案中提到，但没有明确说明。

您预计re.findall('(ab)+', 'abab')给大家介绍一下都隐含什么，整个正则表达式匹配，和“组1”括号“组0”。 这不是它的工作原理。如果有捕获圆括号，findall的列表只有包含捕获圆括号的组。观察：

>>> re.findall('(?:ab)+', 'abab') # no capture, reports group 0 
['abab'] 
>>> re.findall('(ab)+', 'abab') # one capture, reports _only_ group 1 
['ab'] 
>>> re.findall('((ab)+)', 'abab') # two captures, reports both groups 1 and 2 
[('abab', 'ab')]     # (but still not group 0) 

有关这方面的文档可能会更清晰。它假定你明白“组0”并不真正算作一个组。但是，这是RE图书馆数十年来的工作方式。