Python正则匹配re模块使用括号时的坑-(针对于反向引用)

最近在练习反向引用的时候发现re模块中使用findall方法时,反向引用的结果总是不对.

import re

## 匹配重复的字母
text = 'abc aaa ee python cascsw'
res = re.findall(r'\b([a-zA-Z])\1+', text)
print(res)

-> ['a', 'e'] 
# 结果总是不对,出来总是只有括号的东西

但是在PyCharm中直接匹配,却没有问题

问题分析：

1.因为在PyCharm中使用正则可以直接匹配,所以考虑是不是因为编程语言中对于括号视为了一个匹配组,所以考虑用?:忽略括号。

但是结果不尽人意,因为 ?: 本质上其实是是非捕获型括号,仅仅匹配括号内容,但是不捕获！

所以他带上括号就不再是捕获组,使用\1自然也无法引用

所以这样肯定是报错,运行了一下,报错提示也和我说的一样。

import re

## 匹配重复的字母
text = 'abc aaa ee python cascsw'
res = re.findall(r'\b(?:[a-zA-Z])\1+', text)
print(res)

-> 报错：re.error: invalid group reference 1 at position 15
-> 位置re.error:无效组引用1 - 15

 2. 上面行不通之后,就开始考虑,findall方法对整个匹配会对括号内容视为一个匹配,也就是只会匹配括号里的东西,但是search方法就不会这样,而是将括号仅仅作为正则表达式中的整体去做匹配,所以用search验证了一下。

果然没问题,结果返回值aaa

-> <re.Match object; span=(4, 7), match='aaa'>

3. 所以对于这种使用反向引用并且需要匹配到具体值的,不能直接用findall方法,我的建议是对匹配的反向引用值也再加一个括号,让他们变成元组元组匹配,最后再拼接元组,如下所示:

def find_repeat_letter(text: str) -> list:
    reg = r'\b([a-zA-Z])(\1+)' 
    res = re.findall(reg, text)
    print(res)
# -> 此时得到的值是: [('a', 'aa'), ('e', 'e')]
    if res:
        # 通过for循环将字符串拼接即可
        return [''.join(i) for i in res]
        # 结果: ['aaa','ee']
    else:
        return []


if __name__ == '__main__':
    text = 'abc aaa ee python cascsw'
    find_repeat_letter(text)

re模块中还有很多的坑,尤其要注意的其实还是括号对于整个表达式的影响以及对findall方法的影响