re.findall() 是什么？

re.findall() 函数用于在字符串中查找所有与正则表达式模式 匹配 的子串，并以 列表 的形式返回所有匹配到的结果。

它的核心特点是：查找所有,而不是找到第一个就停止。

基本语法

import re
re.findall(pattern, string, flags=0)

参数说明：

• pattern: 一个字符串,表示你要匹配的正则表达式模式。
• string: 一个字符串,表示你要在其中搜索的原始文本。
• flags: 可选参数，用于控制正则表达式的匹配方式，例如是否忽略大小写、是否多行匹配等,我们稍后会讲到。

返回值：

• 如果找到匹配项，返回一个列表,列表中的每个元素都是一个匹配到的字符串。
• 如果没有找到任何匹配项，返回一个空列表 []。

基本用法示例

让我们通过几个简单的例子来理解它的基本用法。

示例 1：查找所有出现的单词

import re
text = "The quick brown fox jumps over the lazy dog. The dog was not amused."
pattern = r"the" # 查找 "the"
# 默认情况下，re.findall() 是区分大小写的
matches = re.findall(pattern, text)
print(f"区分大小写的匹配结果: {matches}")
# 输出: 区分大小写的匹配结果: ['the'] (只匹配了第一个 "the")
# 使用 re.IGNORECASE 标志忽略大小写
matches_ignore_case = re.findall(pattern, text, re.IGNORECASE)
print(f"忽略大小写的匹配结果: {matches_ignore_case}")
# 输出: 忽略大小写的匹配结果: ['The', 'the', 'The']

说明：

• r"the" 是一个原始字符串，推荐在写正则表达式时使用，可以避免反斜杠 \ 的转义问题。
• re.IGNORECASE (或其简写 re.I) 是一个标志,告诉正则表达式引擎忽略大小写。

示例 2：查找所有数字

import re
text = "My phone number is 123-456-7890, and my ID is 98765."
pattern = r"\d+" # \d 匹配任意一个数字，+ 表示匹配前面的元素一次或多次
matches = re.findall(pattern, text)
print(f"找到的所有数字: {matches}")
# 输出: 找到的所有数字: ['123', '456', '7890', '98765']

说明：

• \d 是一个特殊字符，代表任意一个数字（0-9）。
• 是一个量词，表示“匹配前面的元素一次或多次”。\d+ 就代表“匹配一个或多个连续的数字”。

核心区别：捕获组

re.findall() 的行为会根据你的正则表达式中是否包含 捕获组 而发生根本性的变化，这是理解 findall 最关键的一点。

什么是捕获组？

用圆括号 括起来的部分就是一个捕获组，它的作用是“捕获”或“提取”这部分匹配到的内容。

模式中没有捕获组

pattern 中没有圆括号 ，re.findall() 会返回所有匹配的 完整字符串。

import re
text = "apple, banana, cherry, date"
pattern = r"\w+" # \w 匹配任意单词字符 (字母, 数字, 下划线)
# 模式没有括号，返回所有匹配的完整单词
matches = re.findall(pattern, text)
print(f"没有捕获组的结果: {matches}")
# 输出: 没有捕获组的结果: ['apple', 'banana', 'cherry', 'date']

模式中有单个捕获组

pattern 中包含一个捕获组，re.findall() 会返回一个列表，列表中是 所有被捕获组匹配到的内容,而不是整个匹配的字符串。

import re
text = "apple, banana, cherry, date"
pattern = r"(\w+)" # 模式有一个括号，捕获了单词内容
# 模式有一个括号，返回所有被括号捕获的内容
matches = re.findall(pattern, text)
print(f"单个捕获组的结果: {matches}")
# 输出: 单个捕获组的结果: ['apple', 'banana', 'cherry', 'date']
# (在这个简单例子中，结果和上面一样，但本质不同)

模式中有多个捕获组

这是最需要注意的情况！ pattern 中包含多个捕获组，re.findall() 的行为会变得不同：

• 它会返回一个 元组的列表。
• 列表中的每个元组，对应一次匹配,元组中的每个元素分别对应一个捕获组匹配到的内容。

import re
text = "My phone numbers are 123-456-7890 and 987-654-3210."
# 模式有三个捕获组：(\d{3}), (\d{3}), (\d{4})
pattern = r"(\d{3})-(\d{3})-(\d{4})"
matches = re.findall(pattern, text)
print(f"多个捕获组的结果: {matches}")
# 输出: 多个捕获组的结果: [('123', '456', '7890'), ('987', '654', '3210')]

解释：

• 找到了两个匹配的完整电话号码。
• 对于第一个匹配 123-456-7890：
  • 第一个捕获组 (\d{3}) 匹配到 '123'。
  • 第二个捕获组 (\d{3}) 匹配到 '456'。
  • 第三个捕获组 (\d{4}) 匹配到 '7890'。
  • 所以形成一个元组 ('123', '456', '7890')。
• 第二个匹配同理，形成 ('987', '654', '3210')。
• 最终将这些元组放入一个列表中返回。

常用标志

示例：re.MULTILINE 的使用

import re
text = """first line
second line
third line"""
# 不使用 MULTILINE
# ^ 只匹配字符串的开头
print(re.findall(r"^line", text, re.MULTILINE))
# 输出: [] (因为字符串开头是 'first')
# 使用 MULTILINE
# ^ 会匹配每一行的开头
print(re.findall(r"^line", text, re.MULTILINE))
# 输出: ['line']
# 同理，$ 会匹配每一行的结尾
print(re.findall(r"line$", text, re.MULTILINE))
# 输出: ['line', 'line', 'line']

re.findall() vs. re.finditer()

你可能不希望一次性得到所有匹配结果的列表，而是希望逐个处理它们，这时 re.finditer() 就派上用场了。

• re.findall(): 返回一个列表，如果结果很多,会占用较多内存。
• re.finditer(): 返回一个迭代器，每次迭代产生一个 匹配对象，你可以从中获取详细信息（如匹配的字符串、位置等）,内存效率更高。

import re
text = "apple, banana, cherry"
pattern = r"\w+"
# 使用 findall
matches_list = re.findall(pattern, text)
print(f"findall 结果: {matches_list}")
# 输出: findall 结果: ['apple', 'banana', 'cherry']
# 使用 finditer
matches_iterator = re.finditer(pattern, text)
print("\nfinditer 结果:")
for match in matches_iterator:
    # match 对象包含匹配的字符串和位置信息
    print(f"  匹配到: {match.group()}, 位置: {match.span()}")
# 输出:
# finditer 结果:
#   匹配到: apple, 位置: (0, 5)
#   匹配到: banana, 位置: (7, 13)
#   匹配到: cherry, 位置: (15, 21)

掌握 re.findall() 的用法，特别是捕获组带来的不同行为，是熟练使用 Python 正则表达式的关键一步,希望这个详细的解释能帮助你彻底理解它！