这是Python regex中的bug吗？

Question

我认为我对RegEx已经足够好了，我几乎可以阅读任何一个，但是这个简单的（Python）却让我困惑不解。www.regexpal.com网站给出了与iPython不同的结果。在

data = 'four year entrepreneurial program. Students develop and run a business, gain much needed ...'

m = re.compile('entrepreneur|business\s(plan|model)')

m.findall(data)

给出['']

这怎么可能是对的？如果我用parens包装整个东西，效果会更好，但仍然返回一个空字符串作为匹配：

^{pr2}$

给出[('entrepreneur', '')]

就像我说的，第一个是有效的www.regexpal.com。我还用Python（不是iPython）测试了它，结果也失败了。在

Answer 1

这就是捕获组与findall一起工作的方式。在

re.findall(pattern, string, flags=0)

Return all non-overlapping matches of pattern in string, as a list of strings. The string is scanned left-to-right, and matches are returned in the order found. 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 unless they touch the beginning of another match.

在你的交替的右手边有一个捕捉组，但是交替的左手边与你的字符串匹配。在

entrepreneur|business\s(plan|model)

Debuggex Demo

因此，组是空的，因为左边匹配，这就是findall给你的。在

要修复此问题，请使您的组不捕获：

^{pr2}$

现在，没有组，因此findall返回与主表达式匹配的值。在

Answer 2

findall收集组的值。它不返回整个匹配的子字符串。你的模式

entrepreneur|business\s(plan|model)

循环遍历数据字符串，直到找到匹配项。一旦找到匹配项（这里是entrepreneurial program...），它就会停止并捕获第一个组的值（它是空的）。然后它继续运行，但找不到任何匹配项。所以最终的结果是一个包含一个空字符串的列表。在

要观察与regexpal类似的行为，请将整个表达式括起来，并使其他组可选：

^{pr2}$

Answer 3

问题是括号。它们创建一个捕捉组，这个组与示例字符串不匹配（模式的ungroup entrepreneur部分匹配）。re.findall如果模式中有任何组，则返回捕获组结果的a元组，因此得到一个空字符串的原因。在代码的第二个版本中，有两个组，第一个组覆盖整个模式，而第二个组只覆盖plan|model部分（不匹配）。在

如果使用非捕获组（(?:X)）进行plan|model替换，则可能会得到预期的结果（文本"entrepreneur"），因为如果没有捕获组，re.findall将返回整个匹配的文本。在

尝试："entrepreneur|business\s(?:plan|model)"