求助： Python 正则模块 search findall 表现不同

V2EX = way to explore

V2EX 是一个关于分享和探索的地方

现在注册

已注册用户请登录

推荐学习书目

› Learn Python the Hard Way

Python Sites

› PyPI - Python Package Index

› http://diveintopython.org/toc/index.html

› Pocoo

值得关注的项目

› PyPy

› Celery

› Jinja2

› Read the Docs

› gevent

› pyenv

› virtualenv

› Stackless Python

› Beautiful Soup

› 结巴中文分词

› Green Unicorn

› Sentry

› Shovel

› Pyflakes

› pytest

Python 编程

› pep8 Checker

Styles

› PEP 8

› Google Python Style Guide

› Code Style from The Hitchhiker's Guide

这是一个创建于 385 天前的主题，其中的信息可能已经有所发展或是发生改变。

正则表达式如下

( https?|ftp|file)://[-A-Za-z0-9+&@#/%?=~_|!:,.;]+[-A-Za-z0-9+&@#/%=~_|]

复现代码：

import re
url_pattern = re.compile(r'( https?|ftp|file)://[-A-Za-z0-9+&@#/%?=~_|!:,.;]+[-A-Za-z0-9+&@#/%=~_|]')
print("search", url_pattern.search("http://1.com 和 http://2.com"))
print("findall", url_pattern.findall("http://1.com 和 http://2.com"))

为什么二者表现不同呢？如果我想用 url_pattern.findall() 得到 ["http://1.com","http://2.com"] 这样的结果，该如何修改代码？

第 1 条附言 · 2023-10-20 00:30:30 +08:00

感谢 @hicdn #2 的回答，将表达式修改为 (?:https?|ftp|file)://[-A-Za-z0-9+&@#/%?=~_|!:,.;]+[-A-Za-z0-9+&@#/%=~_|] 即可正常匹配 URL

a-za-z0-9

findall

Python

4 条回复 • 2023-10-20 00:29:14 +08:00

J0rmo

2023-10-19 22:06:29 +08:00

import re

url_pattern = re.compile(r'( https?|ftp|file)(://[-A-Za-z0-9+&@#/%?=~_|!:,.;]+[-A-Za-z0-9+&@#/%=~_|])')

print([ ''.join(v) for v in url_pattern.findall("http://1.com 和 http://2.com") ])

hicdn

2023-10-19 22:38:51 +08:00

你用了正则的分组，() 内的内容就是分组，findall 在有分组时，只返回分组匹配内容。
不分组就能得到你期望的结果
( https?|ftp|file)
->
(?: https?|ftp|file)

guog

2023-10-19 22:59:19 +08:00

import re

# 如果没啥特殊匹配要求的话可以简化正则

url_pattern = r'( https?|ftp|file)://\S+'

text = "http://1.com 和 http://2.com"

matches = re.finditer(url_pattern, text)

results = []

if matches:
results = [match.group() for match in matches]
print(results)
else:
print("No URLs found.")

Leon6868

2023-10-20 00:29:14 +08:00

@hicdn #2 感谢！我在 js 下使用这个正则就没有问题，请问是 findall 的特性吗？