Python - 不理解此串联正则表达式模式的返回结果

Question

我是一个 Python 新手，想要更多地了解正则表达式。就在我认为我已经很好地掌握了基础知识时，有些事情让我震惊 - 例如以下内容:

>>> import re

>>> text = "Some nouns like eggs egg bacon what a lovely donkey"
>>> noun_list = ['eggs', 'bacon', 'donkey', 'dog']
>>> noun_patt = r'\s' + '|'.join(noun_list) + r'\s'
>>> found = re.findall(noun_patt, text)
>>> found
[' eggs', 'bacon', 'donkey']

由于我将正则表达式模式设置为查找 'whitespace' + 'pipe joined list of nons' + 'whitespace' - 为什么会这样:

'eggs' 之前有一个空格而不是后面有空格？发现 'bacon' 两边都没有空格？'donkey' 被发现两边都没有空格，事实上它后面没有空格？

我期待的结果:['eggs', 'bacon']

我正在使用 Python 2.7

Answer 1

你误解了模式。名词联合列表周围没有组，因此第一个 \s 是 eggs 选项的一部分，bacon 和 donkey 选项没有空格，dog 选项包含最后的 \s 元字符。

您想在名词周围放置一个组来界定 | 选项适用于什么:

noun_patt = r'\s(?:{})\s'.format('|'.join(noun_list))

此处的非捕获组 ((?:...)) 限制了 | 选项应用于。 \s 空格现在位于组之外，因此不属于 4 个选项。

您需要使用非捕获组，因为如果您要使用常规(捕获)组，.findall() 将只返回名词，而不是空格。

演示:

>>> text = "Some nouns like eggs egg bacon what a lovely donkey"
>>> import re
>>> text = "Some nouns like eggs egg bacon what a lovely donkey"
>>> noun_list = ['eggs', 'bacon', 'donkey', 'dog']
>>> noun_patt = r'\s(?:{})\s'.format('|'.join(noun_list))
>>> re.findall(noun_patt, text)
[' eggs ', ' bacon ']

现在两个空格都是输出的一部分。