对常规表达感到困惑

Question

import re
caps = "bottle caps/ soda caps/ pop caps"

regex = re.findall(r"\w[1-6]", caps)

print(regex)

输出为：

[]

但是如果我这么做

import re
caps = "bottle caps/ soda caps/ pop caps"

regex = re.findall(r"\w[1-6]*", caps)

输出为：

['b', 'o', 't', 't', 'l', 'e', 'c', 'a', 'p', 's', 's', 'o', 'd', 'a', 'c', 'a', 'p', 's', 'p', 'o', 'p', 'c', 'a', 'p', 's']

如何使其输出：

["bottle caps", "soda caps, "pop caps"]

我知道你们会推荐使用.split，但我想更了解正则表达式

我也试过这个：

import re
caps = "bottle caps/ soda caps/ pop caps"

regex = re.findall(r"\w[1-6]?\s*\w[1-3]*", caps)

print(regex)

输出：

['bo', 'tt', 'le', 'ca', 'ps', 'so', 'da', 'ca', 'ps', 'po', 'p c', 'ap']

发生什么事了？你知道吗

Answer 1

您可以使用r"(\w+[\s\b]+\w+)"，意思是：\w+=一个单词；[\s\b]=空格或单词边界：

import re
caps = "bottle caps/ soda caps/ pop caps"

output = re.findall(r"(\w+[\s\b]+\w+)", caps)
print output # ['bottle caps', 'soda caps', 'pop caps']

---

(\w+[\s\b]+\w+)

Debuggex Demo

Answer 2

您将自己与实际定义的字符类混淆，[1-6]将匹配范围1和6之间的单个字符。您可能是指{1,6}，它将在1和6次之间匹配前面的regex标记，称为range操作符。你知道吗

在第二次尝试中，通过在字符类[1-6]前面使用*操作符，您告诉regex引擎匹配前面的标记“零次或更多次”，这最终会单独匹配每个单词字符，因为您的字符串中没有数字字符。你知道吗

相反，您可以简单地将regex编写为：

>>> re.findall(r"\w+ \w+", caps)
['bottle caps', 'soda caps', 'pop caps']

Answer 3

你似乎把{1,6}和[1-6]混淆了，前者意味着“之前的模式重复了1到6次”，后者意味着“在1到6范围内的任何字符”。你知道吗

那么，你有什么：

\w[1-6]

Debuggex Demo

…将匹配一个单词字符，后跟1-6之间的数字。你知道吗

---

把*放在末尾只意味着数字模式中的0或更多，这意味着任何单词字符后面都跟有1-6中的0或更多数字。你知道吗

---

但是如果你使用正确的语法，你会得到你想要的：

\w{1,6}

Debuggex Demo