在正则表达式中使用组时 re.findall() 和 re.finditer() 之间的区别？

Question

考虑以下字符串

text2 = '''
Mr. Schafer
Mr Smith
Ms Davis
Mrs. Robinson
Mr. T
'''

我希望正则表达式匹配完整的名称，例如 'Mr. Schafer'

使用 finditer():

matches = re.finditer(r'(Mr|Ms|Mrs)\.?\s[A-Z]\w*', text2)
for match in matches:
    print(match)

结果：

<_sre.SRE_Match object; span=(1, 12), match='Mr. Schafer'>
<_sre.SRE_Match object; span=(13, 21), match='Mr Smith'>
<_sre.SRE_Match object; span=(22, 30), match='Ms Davis'>
<_sre.SRE_Match object; span=(31, 44), match='Mrs. Robinson'>
<_sre.SRE_Match object; span=(45, 50), match='Mr. T'>

finditer() 给了我想要的结果，但不在列表中。

但是当我使用 findall() 时：

re.findall(r'(Mr|Ms|Mrs)\.?\s[A-Z]\w*', text2)

结果：

['Mr', 'Mr', 'Ms', 'Mrs', 'Mr']

这是为什么？如何使用 findall()
获得我想要的结果 我想要这个结果：

['Mr. Schafer', 'Mr Smith', 'Ms Davis', 'Mrs. Robinson', 'Mr. T']

Answer 1

"()" 部分是捕获指标。

添加“?:”以设置 non-capturing。

import re

text2 = '''
        Mr. Schafer
        Mr Smith
        Ms Davis
        Mrs. Robinson
        Mr. T
        '''
print(re.findall(r"(?:Mr|Ms|Mrs)\.?\s[A-Za-z]*w*", text2))
# ['Mr. Schafer', 'Mr Smith', 'Ms Davis', 'Mrs. Robinson', 'Mr. T']

https://regexr.com/ 左侧有备忘单。

Answer 2

re.findall返回的列表包含：

每个匹配项的文本，如果正则表达式没有捕获
如果正则表达式只有一个捕获，则每场比赛中捕获的文本
如果正则表达式有多个捕获，则对应于每个捕获的子字符串元组。

捕获是正则表达式的一部分，用括号括起来，除非你使用(?:...)；此上下文中的 ?: 告诉 Python 的正则表达式库不要将括号视为定义捕获。（当然，它仍然用于分组。）

因此，最简单（也可能是最快）的解决方案是确保正则表达式没有捕获，方法是使用 (?:...) 包围标题，而不仅仅是 (...):

>>> re.findall(r'(?:Mr|Ms|Mrs)\.?\s[A-Z]\w*', text2)
['Mr. Schafer', 'Mr Smith', 'Ms Davis', 'Mrs. Robinson', 'Mr. T']

您也可以明确捕获完整名称：

>>> re.findall(r'((?:Mr|Ms|Mrs)\.?\s[A-Z]\w*)', text2)
['Mr. Schafer', 'Mr Smith', 'Ms Davis', 'Mrs. Robinson', 'Mr. T']

在这种情况下这样做没有多大意义，但如果您希望模式的一部分不显示在输出中，“一次捕获”形式会很有用。

最后，您可能需要元组中的敬语和姓氏：

>>> re.findall(r'(?:(Mr|Ms|Mrs)\.?\s([A-Z]\w*))', text2)
[('Mr', 'Schafer'), ('Mr', 'Smith'), ('Ms', 'Davis'), ('Mrs', 'Robinson'), ('Mr', 'T')]

Answer 3

我更喜欢 finditer 而不是 findall。 finditer returns 文本中匹配对象的迭代器，而 findall returns 文本中匹配模式的列表。对于有效性生成器比列表更好，因为列表所有读取数据到内存而层没有。要从 iterator 获取值，只需使用 .group().

import re

text2 = '''
Mr. Schafer
Mr Smith
Ms Davis
Mrs. Robinson
Mr. T
'''


matches = re.finditer(r'(Mr|Ms|Mrs)\.?\s[A-Z]\w*', text2)

match_list = [match.group() for match in matches]
print(match_list)

在正则表达式中使用组时 re.findall() 和 re.finditer() 之间的区别？

Difference between re.findall() and re.finditer() when using groups in regex?

python

regex

text

regex-group