python中的正则表达式，这可以改进吗？

我有一段代码可以查找以@或#开头的单词

现在让我恼火的是重复\w+。我相信有一种方法可以做到这一点

p = re.findall(r'(@|#)\w+', str)

这将产生相同的结果，但不会，而是只返回

和

@

。如何更改该正则表达式，使我不会重复

\w+

？这个密码很接近

p = re.findall(r'((@|#)\w+)', str)

但是它返回

[（'@many'，'@'），（'@this'，'@'），（'#tweet'，'#'）]

（注意额外的'@'，'@'，和'#'）

另外，如果我重复这个

re.findall

code 500000次，这能被编译成一个模式然后更快吗？

解决方案 您有两个选择：

• 使用非捕获组：

  （？：@|#）\w+

• 或者更好的是，一个字符类：

  [@#]\w+

工具书类

• 及

---

理解

findall

您遇到的问题是由于

findall

返回匹配的方式取决于存在多少捕获组

让我们仔细看看这个模式（注释以显示组）：

捕获组允许我们在整个模式的子模式中保存匹配项

p = re.compile(r'((@|#)\w+)')
m = p.match('@tweet')
print m.group(1)
# @tweet
print m.group(2)
# @

现在让我们看一下Python文档的代码< Re>代码>模块：

：返回字符串中模式的所有非重叠匹配项，作为字符串列表。从左到右扫描字符串，并按找到的顺序返回匹配项。如果模式中存在一个或多个组，则返回组列表；如果模式有多个组，则这将是元组列表

这就解释了为什么会出现以下情况：

str = 'lala @tweet boo #this &that @foo#bar'

print(re.findall(r'((@|#)\w+)', str))
# [('@tweet', '@'), ('#this', '#'), ('@foo', '@'), ('#bar', '#')]

print(re.findall(r'(@|#)\w+', str))
# ['@', '#', '@', '#']

如前所述，由于模式有多个组，

findall

返回一个元组列表，每个匹配对应一个元组。每个元组为给定匹配提供组捕获的内容

文档还解释了为什么您会得到以下结果：

str = 'lala @tweet boo #this &that @foo#bar'

print(re.findall(r'((@|#)\w+)', str))
# [('@tweet', '@'), ('#this', '#'), ('@foo', '@'), ('#bar', '#')]

print(re.findall(r'(@|#)\w+', str))
# ['@', '#', '@', '#']

现在模式只有一个组，并且

findall

返回该组的匹配列表

相比之下，上面给出的解决方案模式没有任何捕获组，这就是它们根据您的期望工作的原因：

print(re.findall(r'(?:@|#)\w+', str))
# ['@tweet', '#this', '@foo', '#bar']

print(re.findall(r'[@#]\w+', str))
# ['@tweet', '#this', '@foo', '#bar']

工具书类

• • |

附件

---

谢谢！这是可以编译然后在模式中重用的东西吗？@tipu-“任何东西”都可以编译/重用，别忘了接受answer@tipu：我已经用更多特定于Python的信息更新了答案。