时间戳

首页 > 解决方案 > Python 3.6 的 re 模块中 re.finditer() 函数和 re.DOTALL 标志的错误？

python - Python 3.6 的 re 模块中 re.finditer() 函数和 re.DOTALL 标志的错误？

问题描述

当我在使用 Python 3.6 时在 re.finditer() 中使用 re.DOTALL 时，我得到了奇怪的结果。我不知道这是否是预期的操作，或者我是否遗漏了某些东西，或者它是否是一个错误。

情况1

我尝试使用嵌入换行符的这个版本的字符串。

我希望得到 2 个匹配的值：m1 = 'abc' 和 m2 = 'de'

import re
result = re.finditer('.*', 'abc\n de', flags=0)
m1 = result.__next__()
#    <_sre.SRE_Match object; span=(0, 3), match='abc'>
m2 = result.__next__()
#    <_sre.SRE_Match object; span=(3, 3), match=''>
m3 = result.__next__()
#    <_sre.SRE_Match object; span=(4, 7), match=' de'>
m4 = result.__next__()
#    <_sre.SRE_Match object; span=(7, 7), match=''>

匹配值 m2 和 m4 是什么？

案例二

我用 re.DOTALL 试试这个，我希望得到一场比赛，m1 = 'abc\n de'

result = re.finditer('.*', 'abc\n de', flags=re.DOTALL)
m1 = result.__next__()
#     <_sre.SRE_Match object; span=(0, 7), match='abc\n de'>
m2 = result.__next__()
#     <_sre.SRE_Match object; span=(7, 7), match=''>

额外的比赛是怎么回事？如何使结果按预期工作？

我希望第一个案例返回...

m1 = 'abc'
m2 = ' de'

...以及返回的第二种情况

m1 = 'abc\n de'

没有别的了。

标签： pythonregexpattern-matchingnewlineflags

解决方案

你的模式是

.*

这意味着“匹配零个或多个字符”；允许零宽度匹配。

在您的第一种情况下，m2and m4s 存在，因为模式在换行符处停止匹配，然后尝试从该位置（索引 3）开始查找新匹配项。没有字符匹配，但模式仍然允许它，因为它是.*，因此第一个匹配有

span=(0, 3)

第二场比赛有

span=(3, 3)

在您的代码span=(7, 7)中和代码中也发生了同样的事情。m4DOTALL

听起来您只有在至少有一个字符时才想要匹配- 重复使用+而不是*：

re.finditer('.+', 'abc\n de')

推荐阅读